小弟手里有一批数据，196个样本，想基于这些样本进行建模预测分类，另外还有100个外部样本用来进行最后的验证。目前，我已经把196个样本按照8：2的比例随机分成了训练集与验证集，训练集160个，验证集36个，并基于训练集使用LASSO进行了变量筛选，关于后续的建模过程，有两种思路：
1.基于训练集进行建模并使用交叉验证进行模型评价，然后于剩余的20%的样本中进行模型评价。最终于100个外部样本中进行验证。
2.基于剩余的20%的验证集，36个样本，每次选1个，剩下的和训练集一起作为大训练集，一起训练，然后用这1个样本进行评价，这样进行36次，最终求36次的平均，输出模型，于100个外部样本中验证。
想请教下，这两种思路是否都可行呢，那种思路更好些呢？万分感谢！
我们通常会采用留出法来验证，也就是分比例，固定训练集和验证集，数据量较少的时候是k折交叉验证或者留一法，你的数据量较少，建议采用k折交叉验证，比如说取k=10,是最常用的，而留一法就是你说的第二种方法，你可以查一下他们的区别和联系