Image processing 分类中的交叉验证

我有两个不同的数据集，数据集X和数据集Y。。。我从中计算用于分类的特征

案例1。当我将两者合并为一个大数据集，然后使用10倍交叉验证时，我得到了非常好的分类结果，准确率和AUC>95%

案例2。然而，如果我使用其中一个数据集进行训练，另一个用于测试，结果会严重下降，精确度和AUC都会变为约50%

我的问题是：

哪些案例的结果更可靠

为什么结果会有如此巨大的差异

---

谢谢。

数据集的获取方式可能存在偏差，这会使您得到最差的结果

阅读

另一件事是，在一个案例中，您使用较小的数据集来训练分类器（假设两个数据集的大小大致相同，即使使用10倍的交叉验证，两者的组合也会更大）。这必然会导致较差的性能

因此，我的答案是：

取决于您如何获得这两个数据集以及最终分类器的使用方式

训练集的大小差异和偏差如何获得

---

我回答你的问题了吗？你需要额外的帮助吗？