作为我硕士论文的一部分，我在一个还没有论文的主题中使用机器学习方法对数据进行了预测。该主题是一个回归问题，已经测试了几种机器学习方法： SVR, RandomForestRegressor, GradientBoosting, DecisionTrees, Artificial Neural Networks, LSTMs, K-NearestNeighbors..

已经表明，所有方法都可以取得有用的结果。哪种方法最好很大程度上取决于参数配置。

测试任何方法的任何参数配置都需要做太多的工作。此外，我认为展示几十个关于参数调整测试的图会很无趣，因为它们也严重依赖于各自的数据集。

那么，您通常如何比较严重依赖参数的科学论文中不同类型的机器学习方法呢？只是玩一下网格搜索和随机搜索，直到您对参数配置感到满意？