如何在 sklearn_crfsuite 中设置随机种子

Question

我目前正在尝试使用 sklearn_crfsuite 库来实现 NER 模型。

训练代码简单如下：

for repeat in range(10):
    crf = sklearn_crfsuite.CRF(
                            algorithm='lbfgs',
                            c1=0.1,
                            c2=0.1,
                            max_iterations=100,
                            all_possible_transitions=True,
                            verbose=True
                        )
    crf.fit(X_train, y_train)
    pred_list = crf.predict(X_test)

代码是做十次重复训练，我的目标是观察 10 个不同的分数并将它们平均作为最终分数。但是，每次重复都会给出相同的分数，尽管我在每个循环中都重新初始化了模型。

问题是，我如何正确设置随机种子，以便每次重复都能给出不同的结果？

注意：在我对每个循环中的训练数据进行洗牌后，它仍然给出 同样的结果。最后，我将训练算法从 'lbfgs'（使用 L-BFGS 方法的梯度下降）到 'l2sgd' （带有 L2 正则化的随机梯度下降），然后我开始 获得不同的结果。

Answer 1

您不搜索随机种子，您可能搜索交叉验证：

您可以找到完整的文档here。

如果您想运行 10 次不同的迭代，您可以使用：

crf = sklearn_crfsuite.CRF(
                            algorithm='lbfgs',
                            max_iterations=100,
                            all_possible_transitions=True,
                            verbose=True
                        )
    
params_space = {
    'c1': scipy.stats.expon(scale=0.5),
    'c2': scipy.stats.expon(scale=0.05),
}

# use the same metric for evaluation
f1_scorer = make_scorer(metrics.flat_f1_score,
                        average='weighted', labels=labels)

# search
rs = RandomizedSearchCV(crf, params_space,
                        cv=10,
                        verbose=1,
                        n_jobs=-1,
                        n_iter=50,
                        scoring=f1_scorer)
rs.fit(X_train, y_train)

你会得到最好的参数