函数内部的random_state = 7是否比np.random.seed（7）好？

Question

以下两个功能是否可以完全重现？

def test_SVC_A():
    svc = LinearSVC(random_state=7)
    svc.fit(X_train, y_train)
    svc.score(X_test, y_test)


def test_SVC_B():
    seed=7
    np.random.seed(seed)
    svc = LinearSVC()
    svc.fit(X_train, y_train)
    svc.score(X_test, y_test)

还是我更希望test_SVC_A发挥test_SVC_B的功能？

我感到困惑，因为在两个过程中我总是得到相同的结果吗？

Answer 1

  

Scikit-learn不使用自己的全局随机状态；每当一个   没有提供RandomState实例或整数随机种子作为   参数，它依赖于可以设置的numpy全局随机状态   使用numpy.random.seed

---

话虽如此，添加 np.random.seed() 之前 导入 LinearSVC 应该会导致相同的结果

。