根据trainControl文档：
...列表中应包含B + 1个元素，其中B是重采样数，除非方法是“ boot632”，在这种情况下B是重采样数加1。列表的前B个元素应该是向量长度为M的整数，其中M为要评估的模型数。列表的最后一个元素只需要是一个整数（对于最终模型）。请参阅下面的示例部分和详细信息部分。
手动设置种子时，需要评估的模型数量。这可能并不明显，因为Train对某些模型做了一些优化。例如，在PLS模型上进行调整时，唯一适合的模型是组件数量最多的模型。因此，如果要在1:10上通过comp调整模型，则唯一的模型拟合为ncomp =10。但是，如果种子参数中使用的整数向量长于实际需要的长度，则不会引发错误。
我假设the number of models being evaluated是tuneLength或tuneGrid行数。但是，在示例部分中，它们是不同的（22 vs 12）：
knn是否故意提供22个？
然后，如果我们已经通过set.seed(123)
seeds <- vector(mode = "list", length = 51)
for(i in 1:50) seeds[[i]] <- sample.int(1000, 22) # this 22
## For the last model:
seeds[[51]] <- sample.int(1000, 1)
ctrl <- trainControl(method = "repeatedcv",
repeats = 5,
seeds = seeds)
set.seed(1)
mod <- train(Species ~ ., data = iris,
method = "knn",
tuneLength = 12, # this 12
trControl = ctrl)
提供了种子，那么设置第二个种子（set.seed(1)）的意义何在？