如何使用 Scikit Learn 获得绝对可重复的结果？

Question

关于使用 运行机器学习算法时的播种系统Scikit-Learn，通常提到三种不同的事情：

• random.seed
• np.random.seed
• random_stateat SkLearn（交叉验证迭代器、ML 算法等）

我已经在我的脑海这个常见问题的SkLearn有关如何解决全球直播系统和物品，其指出，这不应该是一个简单的常见问题。

我的最终问题是在运行 ML 算法时如何获得绝对可重现的结果SkLearn？

更详细地说，

• 如果我只使用np.random.seed并且不指定任何random_state，SkLearn那么我的结果是否绝对可重现？

至少为了知识而提出一个问题：

• 如何准确np.random.seed和random_state的SkLearn是内部关系吗？如何np.random.seed影响播种系统 ( random_state)SkLearn并使其（至少在假设上）重现相同的结果？

Answer 1

定义随机种子将确保每次运行算法时，随机数都会生成相同的数字。恕我直言，只要我们使用相同的数据以及任何其他参数的相同值，结果将始终相同。

正如您在 sklearn 的常见问题解答中所读到的那样，无论您通过全局定义它numpy.random.seed()还是通过random_state在所有涉及的算法中设置参数来定义它，只要您为这两种情况设置相同的数字，它都是相同的。

我以 sklearn文档为例来说明它。

import numpy
from sklearn.model_selection import train_test_split
# numpy.random.seed(42)
X, y = np.arange(10).reshape((5, 2)), range(5)

#1 running this many times, Xtr will remain [[4, 5],[0, 1],[6, 7]].
Xtr, Xte, ytr, yte = train_test_split(X, y, test_size=0.33, random_state=42)

#2 try running this line many times, you will get various Xtr
Xtr, Xte, ytr, yte = train_test_split(X, y, test_size=0.33)

现在取消第三行的注释。多次运行#2。Xtr一直会[[4, 5],[0, 1],[6, 7]]

通过numpy.random.seed()，它将种子设置为默认值（无），然后它将尝试从 /dev/urandom （或 Windows 类似物）读取数据（如果可用），否则从时钟读取种子。文档