为什么套索在使用相同数据时会返回不稳定的特征？

Question

我正在使用scikit-learn缩小具有约800个功能的数据集。据我所知，套索为相同的数据集返回相同的特征。这是一个非常嘈杂的数据（市场和经济数据）。但是，在跑步过程中我没有观察到这一点。这是我的功能：

def select_lasso_feat(self, train_data, features, target):
        if len(features) <= 60:
            print('LASSO feature selection step skipped. Too few features on your dataset!')
            return features
        print('Performing LASSO feature selection...')
        X_train = self._standardize(train_data[features])
        y = train_data[target]

        alpha = 0.0003
        feat_len = 0
        while feat_len < 60:
            estimator = Lasso(alpha=alpha, random_state=23)
            feature_selection = SelectFromModel(estimator, threshold=0.1)
            feature_selection.fit(X_train, y)

            selected_features = feature_selection.transform(X_train)

            selected_features = list(pd.DataFrame(X_train).columns[feature_selection.get_support()])
            feat_len = len(selected_features)
            alpha -= 0.00003
        return list(set(selected_features))

如图所示，我一直拟合套索，直到达到所需的特征数量（本例中为60）。我用jupyter做试验。每当我关闭服务器并使用完全相同的数据重新运行代码时，我都会得到套索返回的不同功能列表。那可能是什么原因呢？