透過回答下列問題，來檢視你對 GridSeachCV 輸入項的理解。
GridSeachCV
主控台中已建立三個 GridSearchCV 物件，名稱分別為 model_1、model_2、model_3。請注意，沒有可用的資料能用來擬合這些模型。你需要根據它們的建立方式來作答。
GridSearchCV
model_1
model_2
model_3
當我們嘗試擬合時，哪一個 GridSearchCV 物件會失敗？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
在這一章的入門內容中，你會學到超參數與參數的差異。你會練習擷取與分析參數，並為多個常見的機器學習演算法設定超參數值。過程中你也會學到實務上的技巧與最佳做法，包括該調哪些超參數、要設定哪些值，並建立學習曲線來分析你的超參數選擇。
本章將介紹廣泛使用的自動化超參數調校方法：Grid Search。你會了解它是什麼、如何運作，並實作使用 Scikit Learn 進行 Grid Search。接著你會學習如何分析 Grid Search 的輸出結果，並獲得實作經驗。
當前練習
本章將介紹另一個常見的自動化超參數調校方法：Random Search。你會了解它是什麼、如何運作，以及它與 grid search 的差異。你會學習此方法的優缺點，並知道何時該選擇它而非 Grid Search。你也會使用 Scikit Learn 進行 Random Search，並視覺化與解讀輸出結果。
在最後一章，你將接觸更進階的超參數調校方法，統稱為「informed search」。其中包含由粗到細（Coarse To Fine）的方法，以及 Bayesian 與 Genetic 的超參數調校演算法。你會了解 informed search 與 uninformed search 的差別，並針對各種方法進行實作與比較。
