分类结果取决于random_state？

分类结果取决于random_state？

您的分类分数取决于

random_state

。就像@Ujjwal正确说的那样，它用于将数据分为训练和测试测试。不仅如此，scikit-
learn中的许多算法都使用

random_state

来选择特征子集，样本子集并确定初始权重等。

例如。

• 基于树的估计器将使用

  random_state

  随机选择特征和样本（如

  DecisionTreeClassifier, RandomForestClassifier

  ）。

• 在像Kmeans这样的聚类估计量中，

  random_state

  用于初始化聚类中心。

• SVM将其用于初始概率估计

• 一些特征选择算法也将其用于初始选择

• 还有很多…

它在文档中提到：

如果您的代码依赖于随机数生成器，则永远不要使用numpy.random.random或numpy.random.normal之类的函数。这种方法可能导致测试中的可重复性问题。相反，应该使用numpy.random.RandomState对象，该对象是根据

random_state

传递给类或函数的参数构建的。