在使用训练测试拆分以找到最佳超参数后，我是否应该使用整个数据集重新训练模型？

Question

我将数据集分为训练和测试。最后，在为训练数据集找到最佳超参数后，我是否应该使用所有数据再次拟合模型？关键是要达到新数据的最高分。

Answer 1

是的，这将有助于泛化您的模型，因为更多的数据通常意味着更好的泛化。

Answer 2

我不这么认为。如果这样做，您将不再拥有有效的测试集。当您稍后回来改进模型时会发生什么？如果你这样做，那么每次模型改进都需要一个新的测试集，这意味着更多的标签。您将无法比较模型版本之间的实验，因为测试集不会相同。

如果你认为这个模型永远完成了，那么好的。