数据重分割（multi sample splitting），理学-统计学-大数据统计分析-数据简化，在进行假设检验等统计推断时，将样本数据进行多次分割。每次分割将数据分为不相交的两部分，一部分数据用于估计、变量选择和选择估计量或检验统计量的形式等。正式的统计诊断则在另一部分数据之中进行。最后对多次分割结果进行聚合。研究背景在经典的低维设置中，基于值的错误选择控制被广泛的应用。在高维设置中，获得各个变量的显著性却是困难的，很多算法在高维设置中会将噪声变量纳入模型中。多样本分割简单易行。有理论证明，针对高维线性模型和广义线性模型，使用该方法得到的值具有渐进有效性质，因此，可以使用该方法在高维设置中进行错误控制。假设有样本，每个样本包含1个因变量和个自变量，考虑如下高维线性模型：式中为一个维因变量；为一个维自变量；为一个维回归系数；为一个维向量，代表误差，且。