我正在使用 scikit-learn 的 train_test_split 功能，并且在重复运行相同的代码时得到不同的结果：
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.1, random_state=42)
当我在y_train 中记录唯一元素的数量时：
logger.info(len(set(y_train)))
我在重复运行时得到不同的值（没有代码更改）。我原以为random_state 会确保确定性拆分。
我怎样才能确保每次都进行相同的拆分？
【问题讨论】：
标签： python scikit-learn
随机性不是由train_test_split 引起的，你可以看到如果你多次运行这个最小的代码：
from sklearn.model_selection import train_test_split
x = [k for k in range(0, 50)]
y = [k for k in range(0, 50)]
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.1, random_state=44)
print (x_train)
您的代码中可能还有另一个随机性来源。所以也许 numpy/pandas 导致了这个问题。
【讨论】：
您设置random_state 的值（在许多 scikit-learn 示例中使用 42）并不重要，最重要的是该值始终相同，因此您可以多次验证您的代码。
您的代码中可能存在其他一些随机性，会产生不同的结果，您能否发布完整的代码。
【讨论】：