在机器学习中，有两类参数：通过训练数据学习得到的参数，如逻辑斯谛回归中的回归系数；以及学习算法中需要单独进行优化的参数。后者即为调优参数，也称为超参，对模型来说，就如逻辑斯谛回归中的正则化系数，或者决策树中的深度参数。 在上一节中，我们使用验证曲线通过调优超参提高模型的性能。本节中，我们将学习一种功能强大的超参数优化技巧：网格搜索（grid search），它通过寻找最优的超参值的组合以进一步提高模型的性能。