首页 文章

Scikit中的随机状态（伪随机数）学习

提问于
浏览 次
78

我想在scikit中实现一个机器学习算法学习，但是我不明白这个参数 random_state 的作用是什么？我为什么要用它？

我也无法理解什么是伪随机数 .

python scikit-learn

4 回答

  • 116

    train_test_split 将数组或矩阵拆分为随机序列和测试子集 . 这意味着每次运行它而不指定 random_state 时，您将得到不同的结果，这是预期的行为 . 例如：

    Run 1:

    >>> a, b = np.arange(10).reshape((5, 2)), range(5)
>>> train_test_split(a, b)
[array([[6, 7],
        [8, 9],
        [4, 5]]),
 array([[2, 3],
        [0, 1]]), [3, 4, 2], [1, 0]]

    Run 2

    >>> train_test_split(a, b)
[array([[8, 9],
        [4, 5],
        [0, 1]]),
 array([[6, 7],
        [2, 3]]), [4, 2, 0], [3, 1]]

    它改变 . 另一方面，如果使用 random_state=some_number ，则可以保证 Run 1 的输出等于 Run 2 的输出，即您的分割将始终相同 . 实际的 random_state 数字是42,0,21 ......并不重要 . 重要的是每次使用42时，第一次进行拆分时总会得到相同的输出 . 如果您想要可重复的结果（例如在文档中），这非常有用，这样每个人在运行示例时都可以始终看到相同的数字 . 在实践中我会说，你应该在测试内容时将 random_state 设置为某个固定数字，但是如果你真的需要一个随机（而不是固定的）分割，那么在 生产环境 中删除它 .

    关于第二个问题，伪随机数生成器是一个生成几乎真正随机数的数字生成器 . 为什么它们不是真正随机的超出了这个问题的范围，在你的情况下可能无关紧要，你可以看一下here形式的更多细节 .

    回复于
  • -1

    如果未在代码中指定 random_state ，则每次运行（执行）代码时都会生成一个新的随机值，并且每次训练和测试数据集都会有不同的值 .

    但是，如果为 random_state = 42 指定了固定值，则无论执行代码多少次，结果都是相同的 . 即，列车和测试数据集中的值相同 .

    回复于
  • 0

    如果您没有在代码中提及random_state，那么无论何时执行代码，都会生成一个新的随机值，并且train和test数据集每次都会有不同的值 .

    但是，如果每次结果都相同时使用random_state（random_state = 1或任何其他值）的特定值，即列车和测试数据集中的值相同 . 参考下面的代码：

    import pandas as pd 
from sklearn.model_selection import train_test_split
test_series = pd.Series(range(100))
size30split = train_test_split(test_series,random_state = 1,test_size = .3)
size25split = train_test_split(test_series,random_state = 1,test_size = .25)
common = [element for element in size25split[0] if element in size30split[0]]
print(len(common))

    无论你运行代码多少次，输出都是70 .

    70

    尝试删除random_state并运行代码 .

    import pandas as pd 
from sklearn.model_selection import train_test_split
test_series = pd.Series(range(100))
size30split = train_test_split(test_series,test_size = .3)
size25split = train_test_split(test_series,test_size = .25)
common = [element for element in size25split[0] if element in size30split[0]]
print(len(common))

    现在，每次执行代码时输出都会有所不同 .

    回复于
  • 6
    sklearn.model_selection.train_test_split(*arrays, **options)[source]

    将数组或矩阵拆分为随机序列和测试子集

    Parameters: ... 
    random_state : int, RandomState instance or None, optional (default=None)

    如果是int，则random_state是随机数生成器使用的种子;如果是RandomState实例，则random_state是随机数生成器;如果为None，则随机数生成器是np.random使用的RandomState实例 . 来源：http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html

    '''Regarding the random state, it is used in many randomized algorithms in sklearn to determine the random seed passed to the pseudo-random number generator. Therefore, it does not govern any aspect of the algorithm'的行为 . 因此，在验证集中表现良好的随机状态值与在新的，未见的测试集中表现良好的随机状态值不对应 . 实际上，根据算法，您可能会通过更改训练样本的顺序看到完全不同的结果 . '''来源：https://stats.stackexchange.com/questions/263999/is-random-state-a-parameter-to-tune

    回复于

相关问题