我对我的项目有一些（新手）问题。我已经重新创建了项目表单this页面。通过添加我自己的GridSearch超参数进行调整，我有一些问题。这只是使用Boston住房数据集的回归预测工具。
可以here找到我的项目以进行本地测试：
它在Python 3.6和Windows 10上运行。我的问题是：
GridSearch部分中超参数的一些典型范围是什么？ （到目前为止，我已经在网上看到了一些可供测试的评论）
在这种情况下，GridSearchCV的“最佳分数”在这里代表什么？是最佳调整的超参数的准确性的百分比吗？
在这种情况下，MAE和RMSE之间有什么区别，它们代表的值与预测的“价格”的范围相同吗？例如，在GridSearchCV调整步骤之后，您将获得3.03的RMSE和2.23的MAE。这是否意味着每$ 1,000价格需要$ 3.03或$ 2.23？ （这是价格的比例）
num_boost_rounds函数和xgb.cv函数中的xgb.train是什么？
通常，假设模型如何在新的看不见的数据上运行时，最佳的误差度量是什么？ R2，RMSE？
外行术语越多，您在这里的情况就越好，这样我就可以更好地理解这些功能。当您只有自学知识时，有时很难破译我在网上找到的这些功能的更复杂的解释。非常感谢！