我尝试使用AutoML进行100小时的二进制分类任务。它似乎只是构建了大量的GBM模型而没有进入其他类型。 （到目前为止已建成40）
有没有办法设置GBM模型的最大数量？
AutoML构建模型的顺序（GBM排在第一位）。 GBM模型构建过程的长度取决于您为max_runtime_secs设置的时间。如果你计划运行它100个小时，那么其中很大一部分将用于GBM超级参数空间，所以我对你的前40个型号是GBM并不感到惊讶。换句话说，这是预期的行为。
如果你想要训练模型中的多样性，那么你可以为一个较小的max_runtime_secs（比如说2小时）运行一个AutoML作业，然后在同一个项目上再次运行AutoML进程（每次2小时再运行49次 - - 或一些加起来长达100小时的组合）。如果在启动AutoML作业时使用相同的project_name，则应将全新的模型集（GBM，RF，DNN，GLM）添加到现有的AutoML排行榜中。
正如Erin所说，如果你使用相同的AutoML多次运行project_name，结果将累积到单个leaderboard中，超参数搜索将累积到相同的grid对象中。但是，AutoML仍将运行相同的模型构建序列，因此它将在进入DL模型构建之前再次进行GBM超参数搜索。
感觉您的GBM超参数搜索没有收敛，因为stopping_tolerance对于您的数据集来说太小了。绑定的预发布版本中存在一个错误，它将stops_tolerance强制为0.001而不是让AutoML将其设置得更高，如果它计算出该容差对于小数据集而言太紧。您使用的是哪种版本的H2O-3？
关于停止标准的一点：
像stopping_criteria，max_models和stopping_rounds这样的stopping_tolerance适用于整个AutoML过程以及超参数搜索和单个模型构建。在运行开始时，max_runtime_secs用于计算整个过程的结束时间，然后在每个阶段计算剩余的总时间，并传递给模型构建或超参数搜索子任务。
你发布的Run Time 558:10:56.131真的很奇怪。我没有在AutoML.java代码中看到那种输出，也没有在Python或R绑定中看到那种输出。看起来第一眼看来这是来自H2O之外。 。 。你对这次运行的真实时间有什么看法吗？
如果您执行以下操作，我们应该能够弄清楚发生了什么：
seed参数，以便我们获得可重复的结果。