sklearn.model_selection.train_test_split示例中的“随机状态”是什么？

Question

我真的是机器学习的新手，我正在研究sklearn上的一些示例

有人可以在以下示例中解释“随机状态”的真正含义吗

import numpy as np
from sklearn.model_selection import train_test_split
X, y = np.arange(10).reshape((5, 2)), range(5)
X

list(y)


X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.33, random_state=42) 

X_train

y_train

X_test

y_test

为什么将其硬编码为42？

Answer 1

随机状态确保您生成的分割是可重现的。Scikit-learn 使用随机排列来生成分割。您提供的随机状态用作随机数生成器的种子。这确保随机数以相同的顺序生成。

Answer 2

如果您没有在代码中指定 random_state，那么每次运行（执行）您的代码时都会生成一个新的随机值，并且每次训练和测试数据集都会有不同的值。

但是，如果分配了一个固定值，如 random_state = 0 或 1 或 42 或任何其他整数，那么无论您执行代码多少次，结果都是相同的，即训练和测试数据集中的值相同。

Answer 3

当每次运行的代码中未定义 Random_state 时，训练数据将发生变化，并且每次运行的准确性可能会发生变化。当定义 Random_state = "constant integer" 时，每次运行的训练数据都将是恒定的，以便于调试。

Answer 4

这不是很明显吗？42是对生命，宇宙和万物的终极问题的解答。

值得一提的是，random_state只需为随机生成器设置一个种子，这样火车测试的分割始终是确定性的。如果您不设置种子，则每次都不同。

相关文件：

random_state：int，RandomState实例或None，可选的（默认= None）
如果int，random_state是由随机数发生器使用的种子; 如果是RandomStateinstance，random_state是随机数生成器；如果为None，则随机数生成器是所RandomState使用的 实例np.random。