scikit学习的train_test_split()方法

Question

我正在尝试使用 DecisionTreeClassifier 创建机器学习模型。为了训练和测试我的数据，我train_test_split从 scikit learn导入了方法。但我无法理解其名为random_state.

random_state为model_selection.train_test_split函数分配数值的意义是什么，我怎么知道要为我的决策树分配 random_state 哪个数值？

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=324)

Answer 1

正如文档所提到的，random_state用于初始化所使用的随机数生成器train_test_split（其他方法也类似）。由于实际拆分数据集的方法有很多，这是为了确保您可以对同一数据集多次使用该方法（例如在一系列实验中）并始终获得相同的结果（即完全相同的训练和测试）此处设置），即出于可重复性的原因。它的确切值并不重要，您不必担心。

使用docs 中的示例，设置random_state=42可确保您获得与此处显示的完全相同的结果（下面的代码实际上是在我的机器上运行的，而不是从文档中复制粘贴的）：

import numpy as np
from sklearn.model_selection import train_test_split

X, y = np.arange(10).reshape((5, 2)), range(5)

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

X_train
# array([[4, 5],
#        [0, 1],
#        [6, 7]])

y_train
# [2, 0, 3]

X_test
# array([[2, 3],
#        [8, 9]])

y_test
# [1, 4]

您应该random_state在上面的代码片段中尝试使用不同的值（或根本不指定它）以获得感觉。