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，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。
最佳答案
是的，这将有助于推广模型，因为更多数据通常意味着更好的推广。
关于machine-learning - 使用训练测试拆分找到最佳的超参数后，是否应该使用整个数据集重新训练模型？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59851467/
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，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。
最佳答案
是的，这将有助于推广模型，因为更多数据通常意味着更好的推广。
关于machine-learning - 使用训练测试拆分找到最佳的超参数后，是否应该使用整个数据集重新训练模型？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59851467/