机器学习（周志华）学习笔记调参和最终模型

1.大多数学习算法都有参数需要设定，参数的配置不同，学得的模型的性能不同。

2.对每种参数配置都训练出模型，然后把对应最好模型的参数作为结果，这样的考虑基本是正确的  

有些参数是实数范围内取值， 不能穷举。 因此对每种参数都训练出来是不可能的，现实中常用的做法，是对每个参数选定一个范围和变化的步长 -- 如在 实数范围[0,0.2]  步长选0.05 则有 0 0.05 0.1 0.15 0.2 这5中可能的参数取值。

进行这样的折中以后调参数依旧很困难， 当有3个参数的时候 所有的情况就是 5^3 = 125 ， 即有125个模型需要训练。 

3. 为什么要调参，又要将数据集D 划分为 训练集S 和测试集T 由测试误差估计泛化误差？

为了选择合适的算法， 和合适的参数配置，  选择完成后用数据集D重新训练模型， 然后提交给用户。  （得到最终模型）