Question

我有一些数据符合sklearn DecisionTreeClassifier。因为分类器使用了一点随机性，所以我多次运行它并保存最佳模型。但是，我希望能够重新训练数据并在不同的机器上获得相同的结果。

在为每个分类器训练模型后，有没有办法找出初始random_state是什么？

编辑 sklearn模型有一个名为get_params()的方法，可以显示输入内容。但对于random_state，它仍然说None。但是根据文档的情况，它使用numpy来生成随机数。我想弄清楚那个随机数是什么

Answer 1

您必须将显式随机状态传递给d树构造函数：

>>> DecisionTreeClassifier(random_state=42).get_params()['random_state']
42

将其保留为默认值None意味着fit方法将使用numpy.random的单独随机状态，这是不可预测的，并且在运行时不相同。

Answer 2

我建议您最好使用随机森林来实现此目的 - 随机森林包含许多以预测变量子集为模型的树。然后，您只需使用RandomForestVariableName.estimators_

即可看到模型中使用的random_states

我在这里使用我的代码作为例子：

with open('C:\Users\Saskia Hill\Desktop\Exported\FinalSpreadsheet.csv', 'rb') as csvfile:
    titanic_reader = csv.reader(csvfile, delimiter=',', quotechar='"')
    row = titanic_reader.next()
    feature_names = np.array(row)

    # Load dataset, and target classes
    titanic_X, titanic_y = [], []
    for row in titanic_reader:  
    titanic_X.append(row)
    titanic_y.append(row[11]) # The target values are your class labels

    titanic_X = np.array(titanic_X)
    titanic_y = np.array(titanic_y)
    print titanic_X, titanic_y

print feature_names, titanic_X[0], titanic_y[0]
titanic_X = titanic_X[:, [2,3,4,5,6,7,8,9,10]] #these are your predictors/ features
feature_names = feature_names[[2,3,4,5,6,7,8,9,10]]

from sklearn import tree

rfclf = RandomForestClassifier(criterion='entropy', min_samples_leaf=1,  max_features='auto', max_leaf_nodes=None, verbose=0)

rfclf = rfclf.fit(titanic_X,titanic_y)

rfclf.estimators_     #the output for this is pasted below:

[DecisionTreeClassifier(compute_importances=None, criterion='entropy',
        max_depth=None, max_features='auto', max_leaf_nodes=None,
        min_density=None, min_samples_leaf=1, min_samples_split=2,
        random_state=1490702865, splitter='best'),
DecisionTreeClassifier(compute_importances=None, criterion='entropy',
        max_depth=None, max_features='auto', max_leaf_nodes=None,
        min_density=None, min_samples_leaf=1, min_samples_split=2,
        random_state=174216030, splitter='best') ......

随机森林因此将随机性引入决策树文件，并且不需要对决策树使用的初始数据进行调整，但它们可以作为交叉验证的方法，使您对数据的准确性更有信心（特别是如果像我一样，你有一个小数据集）。

查找sklearn决策树分类器的随机状态

2 个答案: