模型参数、超参（28）

模型参数
  需要在训练数据上通过某种算法方式找出来的特征参数，也就是需要训练的参数，eg：线性回归中的θ值
超参数：
  在模型训练过程中算法需要使用到的参数值，这个参数值会影响最终模型参数的求解，所以需要开发人员给定，比如：Ridge算法中的正则化项系数alpha参数
  给定方式：
    -1. 可以根据算法的特性、业务的背景、开发人员的工作经验来给定。
 -2. 使用sklearn中支持交叉验证的相关API来做模型参数的选择
 -3. 使用网格交叉验证的方式来实现模型参数的选择

交叉验证：
  交叉验证是出于模型训练阶段，一般用于模型的参数选择。
K折交叉验证
  是指在模型训练过程中，用于模型参数选择的一种方式
  步骤：
    -1. 将fit传入的train的训练数据平均分为K份
    -2. 使用其中的K-1份作为训练集，使用另外一份作为验证集；使用训练集训练模型，使用验证集验证当前训练模型的效果如何
 -3. 更改不同的数据作为训练集和验证集，继续训练得到当前训练模型的效果如何
 -4. 将当前参数在当前所有训练数据上的效果做一个均值作为当前参数在所有训练数据的模型效果评估指标
 -5. 更改参数，重复上述的2~3~4步，分别得到每个参数的评估指标
 -6. 选择最优评估指标所对应的模型参数即为最优模型参数