Python sklearn RandomForestClassifier 不可重现的结果

Question

我一直在使用 sklearn 的随机森林，并尝试比较几个模型。然后我注意到即使 使用相同的种子，随机森林也会给出不同的结果。我尝试了两种方式：random.seed(1234) 以及使用随机森林内置 random_state = 1234 在这两种情况下，我都会得到不可重复的结果。我错过了什么……？

# 1
random.seed(1234)
RandomForestClassifier(max_depth=5, max_features=5, criterion='gini', min_samples_leaf = 10)
# or 2
RandomForestClassifier(max_depth=5, max_features=5, criterion='gini', min_samples_leaf = 10, random_state=1234)

有什么想法吗？谢谢！！

编辑： 添加我的代码的更完整版本

clf = RandomForestClassifier(max_depth=60, max_features=60, \
                        criterion='entropy', \
                        min_samples_leaf = 3, random_state=seed)
# As describe, I tried random_state in several ways, still diff results
clf = clf.fit(X_train, y_train)

predicted = clf.predict(X_test)
predicted_prob = clf.predict_proba(X_test)[:, 1]
fpr, tpr, thresholds = metrics.roc_curve(np.array(y_test), predicted_prob)
auc = metrics.auc(fpr,tpr)
print (auc)

编辑：已经有一段时间了，但我认为使用RandomState 可能会解决问题。我自己还没有测试它，但如果你正在阅读它，它值得一试。此外，通常最好使用 RandomState 而不是 random.seed()。

Answer 1

首先确保您拥有所需模块的最新版本（例如 scipy、numpy 等）。 当你输入random.seed(1234)时，你使用numpy生成器。

---

当您在RandomForestClassifier 中使用random_state 参数时，有几个选项：int、RandomState instance 或None。

---

来自文档here：

• 如果是int，则random_state是随机数生成器使用的种子；

• 如果是 RandomState 实例，则 random_state 是随机数生成器；

• 如果为 None，则随机数生成器是 np.random 使用的 RandomState 实例。

---

在两种情况下使用相同生成器的方法如下。我在两种情况下都使用相同的 (numpy) 生成器，并且 我得到了可重现的结果（相同的结果在这两种情况下）。

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
from numpy import *

X, y = make_classification(n_samples=1000, n_features=4,
                       n_informative=2, n_redundant=0,
                       random_state=0, shuffle=False)

random.seed(1234)
clf = RandomForestClassifier(max_depth=2)
clf.fit(X, y)

clf2 = RandomForestClassifier(max_depth=2, random_state = random.seed(1234))
clf2.fit(X, y)

检查结果是否相同：

all(clf.predict(X) == clf2.predict(X))
#True

---

相同代码运行5次后检查：

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
from numpy import *

for i in range(5):

    X, y = make_classification(n_samples=1000, n_features=4,
                       n_informative=2, n_redundant=0,
                       random_state=0, shuffle=False)

    random.seed(1234)
    clf = RandomForestClassifier(max_depth=2)
    clf.fit(X, y)

    clf2 = RandomForestClassifier(max_depth=2, random_state = random.seed(1234))
    clf2.fit(X, y)

    print(all(clf.predict(X) == clf2.predict(X)))

结果：

True
True
True
True
True

Answer 2

好的，最终解决的方法是重新安装 conda 环境。我仍然不确定为什么会出现不同的结果。谢谢