获得比gridsearchCV更低的累计值

，可以通过使用更高级的超参数优化算法来实现。一个常用的算法是贝叶斯优化算法，它可以更高效地搜索超参数空间，从而找到更低的累计值。

贝叶斯优化算法通过建立一个代理模型来估计目标函数的性能，并使用这个模型来指导下一次超参数的选择。它根据之前的观察结果和先验知识来更新模型，并在每次迭代中选择最有可能优化目标函数的超参数进行评估。这种方法可以在相对较少的迭代次数内找到较优的超参数组合。

在云计算领域，贝叶斯优化算法可以应用于各种任务，例如机器学习模型的超参数优化、神经网络架构搜索、自动化调参等。它的优势在于能够在较短的时间内找到较优的超参数组合，从而提高模型的性能和效率。

腾讯云提供了一款名为“腾讯云机器学习优化器”的产品，它基于贝叶斯优化算法，可以帮助用户自动优化机器学习模型的超参数。该产品提供了简单易用的界面和API，用户只需提供模型的参数范围和目标函数，即可自动搜索最佳的超参数组合。更多关于腾讯云机器学习优化器的信息可以参考以下链接：

腾讯云机器学习优化器：https://cloud.tencent.com/product/tmlo