sklearn random_state 无法正常工作答案

【问题标题】：sklearn random_state is not working properlysklearn random_state 无法正常工作
【发布时间】：2020-04-09 01:47:48
【问题描述】：

我阅读了与此相关的所有内容，但仍然不明白问题的真正含义。基本上我使用带有random_state 的TruncatedSVD，然后为它打印explained_variance_ratio_.sum()。每次我运行代码时它都会改变。这正常吗？

from sklearn.decomposition import TruncatedSVD
SVD = TruncatedSVD(n_components=40, n_iter=7, random_state=42)

XSVD = SVD.fit_transform(X)
print(SVD.explained_variance_ratio_.sum())

问题是后来我使用 umap 并绘制结果图。每次运行代码时，我都有不同的图表。我不明白这是由于 TruncatedSVD 还是 UMAP。我使用 random_state=42 来阻止事情发生变化，但看起来真的没有效果。

【问题讨论】：

标签： numpy random scikit-learn sklearn-pandas

【解决方案1】：

您可能应该做错什么，因为我无法用 scikit-learn 0.22 重现您的问题

In [16]: import numpy as np 
    ...: from sklearn.decomposition import TruncatedSVD 
    ...:  
    ...: rng = np.random.RandomState(42) 
    ...: X = rng.randn(10000, 100) 
    ...: def func(X): 
    ...:     SVD = TruncatedSVD(n_components=40, n_iter=7, random_state=42) 
    ...:     XSVD = SVD.fit_transform(X) 
    ...:     print(SVD.explained_variance_ratio_.sum()) 
    ...: func(X);func(X);func(X);                                                                                                                                           
0.43320350603512425
0.43320350603512425
0.43320350603512425

【讨论】：

停止并重新启动服务器时是否给出相同的结果？我的意思是，在我的情况下，数据来自一个 .txt 文件，所以我想在每次运行服务器和代码时重现相同的数字和相同的图表。
是的，它会的。 X 是确定性的，因为我也使用了给定的种子。请注意，如果您的 X 不同，那么变换也会不同。所以我会看这部分而不是 scikit-learn 算法。
感谢您的帮助。在此之前我使用 TfidfVectorizer，我猜那是随机的。所以我会详细检查这里发生的事情。