这里有些东西让我感到困惑。执行k折交叉验证时。对于每一折，我们都有不同的验证集和稍有变化的学习集。假设您从第一折前进到第二折。您从第一折中学到的东西如何在第二折迭代中继承？当前，似乎您只计算准确性，学习的模型将被丢弃并且永远不会保留。
我想念的是什么？是否保留这种模式？如何保留DQN和KNN的方法不同？
让我们考虑您要为某些数据找到回归模型的情况。您可以选择使用多少个模型来选择模型。更多术语可能意味着更好的准确性，但也意味着过度拟合的风险。要选择正确的模型，请开始使用一些train data对其进行训练，并针对通常相互排斥的一些test data进行测试。
现在可以更精确地估算模型的精确度，您可以使用k倍交叉验证，该验证可以使用多达k test datasets的数量。请注意，您正在使用k折来评估给定一些数据的模型效果如何，而不是对其进行训练。实际上，当训练成本很高（例如深度神经网络）或数据集足够大以确保模型精度足够接近时，k-fold几乎不会使用。
因此，回答您的最后一个问题：没有必要保留模型。您可以在准备好进行实际练习后使用所有数据重新训练它。