将训练集分成 K 个子集（比如 K=5），每次用 1 个子集当验证集，剩下的当训练集，重复 K 次，得到 K 个验证分数，取平均作为当前超参数的性能指标。：对于复杂模型（如神经网络）或大数据集，网格搜索的计算成本不可接受，而贝叶斯优化能用更少的迭代找到接近最优的参数。注：很多调参函数自带交叉验证，甚至是必选的参数，因此大多数时候需要交叉验证，不需要划分验证集了。：早期尝试不同区域（探索），后期聚焦