根据我在网上阅读的内容，嵌套 CV 的工作方式如下：

• 我将整个数据分成 k 折，其中 k-1 折是训练集，1 折是测试集。
• 有内部 CV 循环，我们可以在其中使用训练集进行网格搜索，以找到模型的最佳超参数。
• 有外部 CV 循环，我们在测试集上测量在内部折叠中获胜的模型的性能。
• 我们对不同的测试集和训练集重复上述过程，直到在某个时候，所有折叠都得到了他作为测试集的位置。

我无法理解的是，因为我们在运行的每个外部循环中都找到了超参数，所以我们可能会在每个循环的测试集中测试具有不同超参数的模型，所以我们可以使用这种嵌套交叉验证来找到最佳的超参数吗？模型？或者此评估的目标是为数据集找到最佳算法，如 SVM 或朴素贝叶斯？因为，如果我们在每个循环中得到不同的超参数，我们就不能说哪个是最好的。

英语不是我的第一语言，如果我的文字难以理解，请告诉我，以便我解决。