关于机器学习特征顺序是否影响决策树分类效能

写作目的

环境：jupyter notebook，python 3.6.3 ,scikit-learn 0.22.2.post1
大致经过是这样的，先通过生信分析找到差异基因，然后再使用python的sk-learn模型训练随机森林时，发现即便设置了随机种子，但每次对训练测试集的预测性能都不一样，而且最为诡异的是当我重启内核再运行时，这个结果才会改变，如果我不重启内核，而是将脚本逐句运行时，这个分类器的预测性能则不会改变

尝试

1.分割出错模块
第一部分为差异基因部分，第二部分为模型部分
1.1 差异基因部分
经过多次尝试，发现差异基因都是稳定的，但莫名的排列顺序不一样，但一般特征的输入顺序不影响结果（至少我看到的部分文章说不影响），所以我觉得问题应该出在模型部分，是不是有哪部分的随机种子我漏掉了，但是转念一想。如果漏掉了随机种子，那每次运行结果肯定会不一样的呀？？？但我的感觉还是让我偏重于找模型出错的部分
1.2 模型部分
去掉随机种子，发现不重启内核，预测性能都改变了，这让我感觉应该不是随机种子的问题。新开了一个脚本，就不用差异基因的预测模型，发现，我去，贼稳定，一毛一样的脚本只是去掉了差异基因部分，结果我又重新回去找第一部分

最后结果

锁定在差异基因的部分，唯一区别就在排序问题了，然后我就去用降序固定下来，结果发现模型稳定下来了。我的天，打死我都不会想到原来问题出在特征的顺序问题上。这个花了我整整一天呀，天，以后得注意模型的特征输入了，特此开帖记录。新手不喜勿喷，刚学python的入门小菜鸟。不过我还是很好奇，为啥相同的数据，相同的代码，虽然输出结果是一样的，但顺序会不一样。
人生苦短，我学python。用习惯了R语言还真是不熟悉python，虽说R语言我也是菜鸡。