GS的最终模型是只用训练集，还是要将验证/测试集也加入一起建模？

在机器学习中，模型评估和最终建模的过程通常遵循以下步骤：

1. 数据划分：

   • 首先，将数据集划分为训练集（Training Set）、验证集（Validation Set）和测试集（Test Set）。
   • 训练集用于训练模型。
   • 验证集用于模型选择和超参数调整。
   • 测试集用于最终评估模型的性能，且在整个建模过程中保持独立，不被用于训练或调整模型。

2. 模型训练与评估：

   • 使用训练集训练模型。
   • 使用验证集对模型进行评估，根据验证集的性能选择最佳模型和调整超参数。
   • 这个过程可能涉及到交叉验证（Cross-Validation）等技术，以更有效地利用数据。

3. 最终模型选择：

   • 在验证集上表现最好的模型被选为最终模型。

4. 最终建模：

   • 最终建模时，通常只使用训练集数据来训练模型。这是因为验证集和测试集应该保持独立，以提供对模型泛化能力的无偏估计。
   • 因此，最终模型的建立是基于训练集样本的，不包括验证集或测试集的数据。

5. 测试集评估：

   • 最后，使用完全独立的测试集来评估最终模型的性能。这是评估模型在未见数据上的表现的最后步骤。

综上所述，最终建模使用的是训练集样本建立的模型，不包括验证集或测试集的数据。这样做的目的是为了确保模型评估的公正性和准确性，避免过拟合，并确保模型在新数据上具有良好的泛化能力。