使用训练测试拆分找到最佳的超参数后,我应该用整个数据集重新训练模型吗?

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了使用训练测试拆分找到最佳的超参数后,我应该用整个数据集重新训练模型吗?相关的知识,希望对你有一定的参考价值。

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?关键是要获得新数据的最高分数。

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。

以上是关于使用训练测试拆分找到最佳的超参数后,我应该用整个数据集重新训练模型吗?的主要内容,如果未能解决你的问题,请参考以下文章

对网格搜索中的所有组合使用交叉验证

如何找到分类器允许的最大训练集?

深层神经网络的超参数调试、正则化及优化

网格搜索以找到决策树分类的最佳参数

如何正确使用 GridSearchCV 和 cross_val_score?

在 Python Bagging Classifier 中将最佳网格搜索超参数分配给最终模型