Scikit学习SGDClassifier：精度和召回每次都会改变值

Question

我对scikit学习中的精确度和召回值有疑问。我正在使用函数SGDClassifier对我的数据进行分类。 为了评估性能，我正在使用精度和调用函数precision_recall_fscore_support，但每次运行程序时，我在精度和召回矩阵中都有不同的值。我怎样才能拥有真正的价值观？ 我的代码是：

scalerI = preprocessing.StandardScaler()
X_train = scalerI.fit_transform(InputT)
X_test = scalerI.transform(InputCross)
clf = SGDClassifier(loss="log", penalty="elasticnet",n_iter=70)
y_rbf = clf.fit(X_train,TargetT)
y_hat=clf.predict(X_test)
a= clf.predict_proba(X_test)
p_and_rec=precision_recall_fscore_support(TargetCross,y_hat,beta=1)

谢谢

Answer 1

从docs SGDClassifier有一个初始化为random_state的{​​{1}}参数，这是用于随机数生成器的种子值。您需要修复此值，以便结果可重复，因此请设置None或您想要的任何喜欢的数字

random_state=0

应为每次运行产生相同的结果

来自文档：

  

random_state：int seed，RandomState instance或None（默认值）   伪随机数生成器的种子在洗牌时使用   数据

Answer 2

我遇到了同样的问题，除非在params网格上运行带有GridSearchCV的SGDClassifier。我甚至在SGDClassifier上设置了random_state。我注意到，如果我多次运行网格搜索，那么从运行到运行的param组合的平均得分并没有那么微妙。我甚至设置warm_start = False只是为了确保每个param组合运行是一个干净的初始化。