在使用训练-测试拆分后，我是否应该用整个数据集重新训练模型，以找到最佳的超参数？

在使用训练-测试拆分后，如果要找到最佳的超参数，不应该使用整个数据集重新训练模型。这是因为在训练过程中，模型会根据训练数据进行参数调整，如果使用整个数据集进行重新训练，会导致模型过度拟合训练数据，从而无法准确地评估模型在未见过的数据上的性能。

为了找到最佳的超参数，通常会使用交叉验证的方法。交叉验证将数据集分为多个子集，其中一个子集作为验证集，其余子集作为训练集。然后，使用训练集训练模型，并在验证集上评估模型的性能。通过多次交叉验证，可以得到不同超参数组合下模型的性能评估结果，从而选择最佳的超参数。

在腾讯云中，可以使用腾讯机器学习平台（Tencent Machine Learning Platform，TMLP）来进行模型训练和超参数调优。TMLP提供了丰富的机器学习算法和模型训练工具，可以帮助用户快速构建和训练模型，并提供了自动化的超参数调优功能，帮助用户找到最佳的超参数组合。

更多关于腾讯机器学习平台的信息，可以访问腾讯云官网的Tencent Machine Learning Platform产品介绍页面：https://cloud.tencent.com/product/tmlp