random_state 的实际数字在 scikit-learn 中是否重要？ [复制]答案

【问题标题】：Does the actual number for random_state matter in scikit-learn? [duplicate]random_state 的实际数字在 scikit-learn 中是否重要？ [复制]
【发布时间】：2020-12-14 21:31:06
【问题描述】：

我看到参数“random_state”给出了不同的数字。我已经读到这将使结果可重现。我的问题是，如果我给出不同的数字（如 random_state=1、random_state=10 或其他任何数字），结果会有所不同吗？

【问题讨论】：

是的，对于不同的random_state，算法使用的随机数可能不同，从而导致不同的结果。

标签： python machine-learning scikit-learn

【解决方案1】：

你的结果会改变，就像你掷两次骰子可以获得不同的数字一样。但是，你的结果不会以与两次掷骰子一样的方式变化，两次你正在做同样的操作（滚动模具）。

更改使用的数字不会改变您执行随机操作的概率。

【讨论】：

【解决方案2】：

随机状态控制在应用拆分之前应用到数据的洗牌。您可以将任何 int 值分配给随机状态。随机状态的值在整个模型中应该是统一的/相同的。如果您选择 value=12345，它应该在整个代码中相同。结果可能会有一点变化，对预测没有影响。

【讨论】：