我可以将测试数据重新用作训练数据吗？

Question

我正在使用cnn对图像进行分类。我有1000张图片开始我的旅程。所以我使用900作为训练数据集，使用100作为测试数据集。我得到了一个约70％正确性的模型。

然后我今天再拍了150张照片。所以我有两个想法要继续：

（1）我可以将之前的100个测试数据+ 900个训练数据组合成一个“新”训练集，这样我可以获得1000个训练数据以获得更好的模型吗？那么我可以使用新的150个图像作为新的“测试”数据吗？

（2）我可以将新的150张图像+ 900列车数据组合成一个“新”训练集来训练更好的模型，并继续使用之前的100个测试数据集来测试新模型吗？

显然我会尝试这两种方法，但我不确定哪种方法更好......有什么意见吗？感谢。

Answer 1

只要新的150张图像来自与前1000张样本相同的分布，就无所谓了。

Answer 2

如果您想要最好的CNN，您应该尽可能多地训练数据。理论说，你拥有的训练数据越多，你的测试误差就会越接近你的训练误差。这意味着您的CNN将更好地分类未经过培训的示例。另一方面，您不需要太少的测试数据，因为您需要对准确度测量充满信心。因此，您应该获得更多培训和更多测试数据。

如果您的数据是 IID ，那么您不必担心1150张图片中的哪一张用于训练您的模型。

重复使用相同测试数据的唯一危险是您可能会更改模型（例如，添加另一个图层，和/或向现有图层添加更多单位），因为它可以为您的测试数据提供更好的结果。当您根据对测试错误的观察结果更改模型时，您可能会过度拟合数据。您可以使用第三个数据集（称为验证集）来调整模型，从而缓解此问题。

IID ：总共1150张图片是从相同的分布中独立绘制的。换句话说，粗略地说，除了他们对你不熟悉之外，没有什么可以区分150和150，并且每个图像的选择都不受任何其他图像选择的影响。