我正在尝试使用h2o AutoML来改进我的ML模型，即我尝试使用类似的方法
aml = H2OAutoML(max_models=5, seed=1, stopping_metric='AUC', stopping_tolerance=0.0001)
aml.train(x=x, y=y, training_frame=train)
令人惊讶的是，生成的模型/集合比单个XGBClassifier模型（我通过gridsearch发现的）差。似乎autoML无法找到gridsearch能够找到的“最佳”超参数。
是否可以强制h2o AutoMl对一个XGBClassifier模型使用某些超参数（并对其他模型执行超参数搜索）？