要想直接使用 best_estimator_ 属性进行预测，以下哪个参数必须被设置？
best_estimator_
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
在本章的入门学习中，您将了解超参数与参数的区别。您会练习提取与分析参数，并为多种常用的机器学习算法设置超参数值。与此同时，您将学习选择要调优哪些超参数及其取值范围的实践技巧，并构建学习曲线来分析您的超参数选择。
本章将向您介绍一种常用的自动化超参数调优方法——Grid Search。您将了解它是什么、如何工作，并使用 Scikit Learn 实战完成一次 Grid Search。随后，您还将学习如何分析 Grid Search 的输出，并获得相关的实操经验。
当前练习
本章将介绍另一种常用的自动化超参数调优方法——Random Search。您将了解它是什么、如何工作，以及它与 grid search 的关键差异。您还会学习该方法的优缺点，以及何时应优先选择它而非 Grid Search。您将使用 Scikit Learn 实战进行一次 Random Search，并对结果进行可视化与解读。
在最后一章中，您将初步接触更高级的超参数调优方法，即"informed search"。这包括"Coarse To Fine"方法，以及 Bayesian 与 Genetic 超参数调优算法。您将学习 informed search 与 uninformed search 的区别，并分别获得这些方法的实操技能，在学习过程中进行对比与总结。
