在autosklearn.regression.AutoSklearnRegressor中，参数'ensemble_size'用于设置集成模型的大小。然而，这个参数在某些情况下可能不会起到任何作用。这是因为autosklearn在训练过程中会自动选择集成模型的大小，并尝试不同的值来找到最佳的性能。

如果要确保参数'ensemble_size'起作用，可以使用以下方法：

1. 设置ensemble_size的值：

import autosklearn.regression

# 设置ensemble_size为10
auto_regressor = autosklearn.regression.AutoSklearnRegressor(
    ensemble_size=10
)

2. 禁用自动选择：

import autosklearn.regression

# 创建ConfigurationSpace对象，并将ensemble_size设置为常量
cs = autosklearn.regression.AutoSklearnRegressor.get_configuration_space()
cs.add_hyperparameter(autosklearn.regression.hyperparameters.ensemble_size)
cs.add_condition(autosklearn.regression.conditions.ForbiddenEqualsCondition(
    autosklearn.regression.hyperparameters.ensemble_size,
    [10]  # 设置ensemble_size为10
))

# 创建AutoSklearnRegressor对象，并将configuration_space设置为上述创建的ConfigurationSpace对象
auto_regressor = autosklearn.regression.AutoSklearnRegressor(
    configuration_space=cs
)

这些方法可以确保ensemble_size参数起作用，但需要注意，较大的ensemble_size可能会增加模型的复杂度和训练时间。因此，建议根据具体情况选择合适的ensemble_size值。