一般来说，你是对的，据我所知，在这个答案中已经完成了。模型相互比较，同时在循环内找到它们的最佳调优。看起来不错。

关于你的观点，是的。但是机器学习的要点是，在某些时候我们需要停止/限制我们的尝试，因为可以完成任务的算法数量非常多。我们通常会尝试评估不同的算法系列，然后从那里缩小搜索范围，但最后我们永远不能声称我们找到的最佳答案必然是最好的答案。在另一个 POV 中，这是 ML 中许多研究论文背后的主要思想。他们只是创造性地找到/修改算法，并通过基准数据集证明它比以前应用的算法更好。