我计划在不同的预测集上运行glm、lasso和randomForest，看看哪种模型组合是最好的。我将进行v折叠交叉验证。为了一致地比较ML算法，必须将相同的倍数输入到每个ML算法中。如果我错了，请纠正我。
我们如何在R中的h2o封装中实现这一点？我应该设置吗
- fold_assignment=Modulo在每个算法函数中，如h2o.glm((、h2o.randomForest((等
- 因此，在ML算法中，训练集会以相同的方式划分吗
如果我使用fold_assignment=Modulo，那么如果我必须对结果进行分层呢？分层选项也有fold_assignment参数？我不确定是否可以同时指定模块和分层。
或者，如果我在每个模型中设置相同的种子，它们是否具有与输入相同的折叠？
在阅读了Darren Cook的《H2O的实际机器学习》第4章后，我有了以上问题(https://www.oreilly.com/library/view/practical-machine-learning/9781491964590/ch04.html)
此外，对于以下报价中场景中站点级数据的可推广性：
例如，如果您有来自K个城市的观察结果(例如，用户交易(，并且您希望仅针对K-1个城市的用户建立模型，并在其余城市对其进行验证(例如，如果你想研究对新城市的推广(，则需要将参数"fold_column"指定为城市列。否则，来自所有K个城市的行(用户(将随机混合到K个折叠中，所有K个交叉验证模型将看到所有K个城镇，从而使验证不那么有用(或完全错误，取决于数据的分布(。(来源(
在这种情况下，由于我们是按列交叉折叠的，因此在所有不同的模型中都是一致的，对吧？
确保对所有ML算法的数据集进行相同的分割(相同的种子(。每个模型都有相同的种子并不一定有相同的交叉验证分配。为了确保它们是苹果对苹果的比较，请创建一个折叠列(.kfold_column()或.stratified_kfold_column()(，并在训练期间指定它，以便它们都使用相同的折叠分配。