初学者对机器学习课程中“交叉验证”名词的疑问

机器学习初学者，感谢各位的包涵。疑问如下：

首先，吴恩达机器学习课程中，第六周应用机器学习的建议——模型选择和交叉验证一节中讲到（如图一），将六成数据作为训练集，两成数据交叉验证集，两成数据测试集。然后分四步：

第一：用训练集训练出多个模型得到各自参数；

第二：将这若干个模型分别在此用交叉验证集计算各自交叉验证误差；

第三：选取交叉验证误差最小的模型；

第四：用第三步选出的模型，对测试集计算泛化误差。

↑↑↑图一↑↑↑

以上大体是吴恩达课程中该部分对交叉验证的概述。

然而，我在搜索引擎及书籍中看到一种观点如下，如图二《白话机器学习算法》，这本书的意思大概为：

将全部数据集本身切分，然后分别依次互相做交叉验证集。

↑↑↑图二↑↑↑

两处对交叉验证名词的解读有明显不同。

故有此疑问，机器学习中的交叉验证到底是指什么呢？吴恩达机器学习课程和一些书籍中的该名词指的是同一种事物吗？