我想知道为什么我使用scikit-learn在Python中创建的RandomForestClassifiers在重复学习同一数据集时会产生不同的结果 . 有人可以向我解释一下吗？
我的代码的相关部分是这样的：
from sklearn.ensemble import RandomForestClassifier as RFC
RFC(n_estimators=100, max_features=None, criterion="entropy", bootstrap=False)
这个设置实际上应该防止任何随机性，对吗？它应该强制算法使用相同数量的数据实例（这是完整的数据集），以便每个基础学习者成长并考虑每个分割的每个特征 .
我得到的一个解释是：也许算法保持一些随机性，如何从所有特征的集合中取出特征，例如：
-
给定的是特征f1和f2
-
对于节点1中的拆分，算法选择f1，然后选择f2以考虑此拆分
-
两个要素可能具有相同的分割质量，并且首先绘制f1，因为它首先被绘制
-
对于节点2中的拆分，算法也可以先选择f2，然后选择f1，因此创建的模型可能与该算法创建的其他模型不同
谁能提供可靠的信息？
1 回答
不，这种设置不能保证可重复的结果 . 您已经详细说明了大多数RF实现的情况：随机拆分取决于种子到随机数函数 .
要控制它，请查看文档以查找ML算法使用的随机数字包 . 您可以导入该包并强制使用 seed 方法的值 . 如果您想尝试快速解决方案，请尝试
......你选择的任何可用恒定的地方 . 我推荐你喜欢的整数或字符串 . 我建议这是因为我怀疑你的RF软件包使用的是Python random 软件包 - 尝试一下这可能会省去你仔细研究文档的麻烦 .
大多数软件包都会使用系统时间作为默认种子;这是为了确保你获得不同的结果 .