以下内容是参数以及调参过程的一点心得，分享给大家。
在机器学习中，一般有两种参数，一个是算法的参数，一个是模型的参数，在算法和算法的参数选定之后，将这个算法应用在数据集上，就训练出了一个模型，这个模型的参数就已经全部确定而不需要我们去调整，所以在机器学习中，我们可以调整的参数只是学习算法的参数，模型的参数是不需要调整的。
我们得到最终模型的流程是，现将总的数据集D分为训练集和验证集，在训练集上得出模型，用将模型应用到验证集上进行泛化误差的估计，调整学习算法和参数配置，知道泛化误差减小到达到我们的要求，这时候我们就确定了所需要选用的算法和相应的参数配置，这个时候再将算法和参数配置用在整个数据集D上，训练出的模型就可以投入使用了，我们把学的的模型在实际使用中遇到的数据称为测试数据，学习器的实际预测输出与样本的真实输出之间的差异称之为误差，这也是泛化误差的真实值。