machine-learning - 如果有多个模型具有相同或接近的验证错误，如何选择模型

Question

关于使用交叉验证的模型选择的问题

假设一个数据集被拆分为训练集和测试集。在训练数据集上使用交叉验证来比较多个模型。

在一种情况下，一些模型产生了完全相同的验证错误。

在另一种情况下，模型的准确率可能排名为 99%、98%、97%、95%、90%.......等。

对于这两种情况，您能否告知如何以及为什么选择模型？

我知道测试数据集只是为了评估泛化错误而设计的。但是对于上述场景，是否是时候使用测试数据集来评估这些模型了。