random_state=0和random_state= numpy.random.RandomState(0)有什么区别？
random_state=0和random_state= numpy.random.RandomState(0)有什么区别？
提问于 2022-08-24 11:24:00
我正在测试一些关于random_state的可能性。你能解释一下random_state = 0和random_state = numpy.random.RandomState(0)之间的区别吗？
码
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
import numpy as np
import random
for i in range(5):
########### code for random_state= numpy.random.RandomState(i) ##############
rng = np.random.RandomState(i)
X, y = make_classification(random_state=rng)
rf = RandomForestClassifier(random_state=rng)
X_train, X_test, y_train, y_test = train_test_split(X, y,
random_state=rng)
p1=rf.fit(X_train, y_train).score(X_test, y_test)
########### code for random_state= integer ##############
X, y = make_classification(random_state=i)
rf = RandomForestClassifier(random_state=i)
X_train, X_test, y_train, y_test = train_test_split(X, y,
random_state=i)
p2=rf.fit(X_train, y_train).score(X_test, y_test)
print(i,p1,p2)输出
0 0.84 0.92
1 1.0 0.92
2 0.88 0.92
3 0.84 0.88
4 1.0 1.0回答 1
Stack Overflow用户
发布于 2022-08-24 12:45:46
设置random_state = 1设置固定种子(例如1)，用于分割列车/测试集。
设置random_state = np.random.RandomState(1)将种子设置为带有种子1的随机变量。在每次迭代时，np.random.RandomState实例每次都会随机变化，以不可重复的方式分割集合。
如果您想要可重复的拆分，或者不使用任何具有随机拆分的值，请使用普通整数作为random_state。
只有当你想根据特定的分布(固定的种子)随机分割你的集合时，使用RandomState才有意义。请参阅官方关于这件事的文件
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/73472267
复制相关文章
相似问题
腾讯云开发者
