Machine learning ML模型是在所需的图像类之间分类还是按数据集分类？

如果我有一个数据集1，有90%的猫图像和10%的狗图像，我结合了数据集2，只有狗来平衡类别不平衡，我的模型会分类哪些是猫和狗，哪些是数据集1图像和数据集2图像

---

如果是后者，我如何让模型在猫和狗之间进行分类？

无论数据集的名称如何，您的模型都只会执行其训练目的

数据集的名称只是一个组织问题，它不会进入培训，不会真正影响培训步骤中产生的损失量。然而，影响模型响应的是数据的属性

---

有时，来自不同数据集的数据具有不同的属性，即使这些数据集用于相同的目的；例如，具有不同照明、背景、分辨率等的图像肯定会对模型性能产生影响。这就是为什么混合数据集时要小心的原因。您可能会发现这一点很有用。

我投票结束这个问题，因为它不是关于中定义的编程，而是关于ML理论和/或方法-请参阅机器学习中的介绍和注释。