considera, na sua versão estratificada, a proporção de exemplos de cada classe quando da geração de subconjuntos mutuamente exclusivos.

divide aleatoriamente registros em treinamento e teste em proporções p e (1-p), respectivamente.

gera conjuntos cuja interseção é não vazia, utilizados a cada iteração como conjunto de treino e teste.

penaliza os conjuntos de treino com k sorteios aleatórios, de modo a torná-lo equilibrado frente ao conjunto de teste.

produz o conjunto de treinamento a partir de N sorteios aleatórios com reposição a partir dos dados originais.