En este segundo enfoque, el bloque de validación se escoge aleatoriamente, repitiéndose el proceso k veces (siendo tanto el tamaño de cada bloque como el número k cifras arbitrarias). La ventaja de este método es que el número de iteraciones (k) no depende del tamaño de los sub bloques que se consideren. La desventaja es que no es posible asegurar que todas las muestras van a ser consideradas como parte de los conjuntos de entrenamiento o de validación (pues habrá muchas que no sean escogidas nunca), y que habrá muestras que puedan ser consideradas en más de una iteración.
Esta funcionalidad está proveída por Scikit-Learn en la clase sklearn.model_selection.ShuffleSplit.
