Machine learning 结合培训、验证和测试数据集

是否有可能基于训练和验证数据集训练模型。基本上，最终将两者结合起来创建一个新模型。根据这个组合模型，使用它对测试数据集中的所有数据进行分类

这是通常的做法。假设您知道如何传输超参数，正如您通常在列车数据上拟合模型一样，根据有效参数的分数选择超参数。因此，当您将train+valid组合在一起时，您会得到更大的数据集，因此“最优超参数”可能与您之前选择的完全不同。所以一般来说——是的，这正是通常所做的，但它可能比您预期的更棘手（特别是如果您的方法是高度随机、非确定性等）