机器学习模型中的 random_states 参数答案

【问题标题】：random_states parameter in Machine Learning Models机器学习模型中的 random_states 参数
【发布时间】：2021-12-07 08:59:26
【问题描述】：

我看过使用名为random_states 的参数的机器学习教程。这个参数为什么以及如何改变模型？

from sklearn.tree import DecisionTreeRegressor

melbourne_model = DecisionTreeRegressor(random_state=1)

melbourne_model.fit(X, y)

【问题讨论】：

这是否回答了您的问题：random-state-pseudo-random-number-in-scikit-learn?
"我最近在 kaggle 上参加关于 ML 简介的课程，在那里我遇到了一个关于 ML 模型的教程，他们在其中使用了 [this and that] - 谢谢" 比问题中的信号产生更多的噪音（已编辑）；以后，请避免不必要和不相关的介绍、讲故事、感谢等，只关注问题。混乱无济于事 - 相反，它无益且烦人。
好的，会处理的...谢谢

标签： python machine-learning decision-tree random-seed

【解决方案1】：

random_state 参数本质上充当“种子”。因为一些 ML 模型依赖于随机数生成来执行诸如初始化变量或优化函数之类的操作，所以有时在相同的数据上训练相同的算法两次会产生不同的参数，如果它们以不同的方式初始化或以不同的方式优化。为了控制这一点，工程师会将random_state 参数设置为一个常数以实现可重复性。

【讨论】：