我刚刚开始学习使用H2O Auto ML，我正在尝试一个二进制分类模型。
我试图理解为什么模型的排名会随着每次跑步而变化。
排名前五的车型仍保持在前五位，但车型略有上升或下降。
DRF一度排名第二，另一次排名第三。
我可以推测，造成变化的原因有几个。
- 算法的种子每次都会更改
- 没有分配引线板框架
- RF将随机采样作为过程的一部分，每次生成不同的树
- 领导委员会不会更改，数据/代码的其他更改负责更改
你能帮我更好地理解这一点吗。
听起来你没有设置种子，所以你应该从那里开始。为了使具有固有随机性的算法(例如XGBoost、GBM、随机森林(每次都能产生相同的答案，必须设置一个随机种子(至少(。在H2O AutoML中，有一个单独的seed参数(通过管道传递到所有单独的算法(，如果每次都将其设置为相同的值，则大多数模型在重复运行时都是相同的。默认情况下，AutoML还会对随机折叠进行交叉验证，因此这也保证了每次使用相同的折叠。
有几点需要注意——即使你设定了种子，H2O深度学习也是不可复制的(默认情况下(，所以这些模型总是会改变。由于"；所有型号"；Stacked Ensemble除了使用一堆其他模型外，还使用了深度学习模型，最终的Ensemble也将是不可复制的。
最后，您应该使用max_models而不是max_runtime_secs来控制AutoML应该运行多长时间——否则，在随后的运行中，您可能会在排行榜上(以及所有模型堆叠集合中(获得不同数量的模型。