每次运行 RandomForestRegressor 时都会得到不同的结果

Question

我使用这段代码希望实现确定性：

from sklearn.ensemble import RandomForestRegressor
np.random.seed(0)
import random
random.seed(0)

rf = RandomForestRegressor(n_estimators=1000, criterion='mse', min_samples_leaf=4)

但我的结果并不是确定性的。这是为什么？我该如何解决这个问题？

Answer 1

使用random_state中的参数RandomForestRegressor：

from sklearn.ensemble import RandomForestRegressor

rf = RandomForestRegressor(n_estimators=1000, criterion='mse', min_samples_leaf=4, 
                           random_state= 0)

这应该每次都会返回相同的结果。

Scikit-learn 不使用自己的全局随机状态；每当没有提供 RandomState 实例或整数随机种子作为参数时，它依赖于 numpy 全局随机状态，可以使用 numpy.random.seed 设置

话虽这么说，在导入之前添加 也应该可以解决问题。np.random.seed() RandomForestRegressor

资料来源：http ://scikit-learn.org/stable/faq.html#how-do-i-set-a-random-state-for-an-entire-execution