在机器学习中，每个算法都有一组超参数，需要对其进行优化以获得最佳预测性能。这种优化最简单的方法称为网格搜索，这意味着尝试所有可能的参数值组合。通过这种方式可以找到最佳的参数值。

然而，这并没有提供任何关于参数值相互作用的见解。例如，假设我们有 5 个超参数 p1、p2、p3、p4 和 p5。可能存在这样的事实：当 p1 的值增加时，鉴于 p3 的值较低，预测性能会提高。但是，如果 p3 的值很高，则 p1 的值无效。像这样的有趣的事实可能还有很多。有什么方法可以找到这些事实吗？