在使用训练测试拆分找到最佳的超参数后，是否应该对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的超参数之后，我是否应该使用所有数据再次拟合模型？关键是要使新数据的得分最高。

Answer 1

是的，这将有助于推广模型，因为更多的数据通常意味着更好的推广。

Answer 2

我不这么认为。如果这样做，将不再具有有效的测试集。当您稍后回来改进模型时会发生什么？如果这样做，那么每个模型改进都将需要一个新的测试集，这意味着需要更多标签。您将无法在各个模型版本之间比较实验，因为测试集将不完全相同。

如果您认为该模型将永远完成，那么可以。