Question

我正在执行交叉验证以便正确分类。首先，我使用scikit-learn中的StratifiedKfold函数。在某些时候，我想进行更多迭代，然后我改为StratifiedShuffleSplit。通过这个新功能，我获得的结果发生了变化。最后，我意识到如果我指定一个random_state，我会再次获得与使用StratifiedKfold作为CV时获得的结果类似的结果。

总之，如果我指定random_state，对于不同的值，我会得到稍微不同的结果，类似于我使用StratifiedKfold获得的结果（一次迭代，或者我自己计算洗牌，如here）。但是，如果random_state为none或未指定，则我获得的结果完全改变。

我检查了当random_state为None时，列车和测试索引是不同的，并按预期分层。

我没有使用随机数生成器的经验，但这对我没有任何意义

查看代码我意识到当random_state为None时，调用函数check_random_state。此函数，如果seed为none，则返回np.random（link）使用的RandomState单例。

我写了一些有问题的代码。如果我用下面的那个更改注释行，我会得到不同的结果。

import numpy as np
import sklearn as skl

(...)
#skCVs=skl.cross_validation.StratifiedShuffleSplit(classes,n_iter=iterations*kfoldCV,test_size = 1/float(kfoldCV),random_state=5)
skCVs=skl.cross_validation.StratifiedShuffleSplit(classes,n_iter=iterations*kfoldCV,test_size = 1/float(kfoldCV))

for train,test in skCVs:

   (classification, ...)

我使用的是sklearn版本0.14。

你有任何解释或线索可以帮助理解正在发生的事情吗？

Answer 1

（分层）ShuffleSplit在分割之前随机抽取数据。（伪）随机性由random_state构造函数参数控制。默认的None值意味着每个新呼叫都会产生不同的混乱。要获得确定性的混洗，您可以选择传递整数种子。

Answer 2

我也不是随机生成器的专家，但是我可以理解，如果你没有定义random_state，就会调用一个不同的RandomState类型。以下是我发现的解释：

“如果种子为无，则RandomState将尝试从/ dev / urandom（或Windows模拟）中读取数据（如果可用），或者从时钟读取种子。”[1]

“如果size是一个整数，则返回一个填充了生成值的一维数组。”[1]

你可以在这里看到“check_random_state”[2]中调用的两个不同随机生成器的代码。

[1] http://docs.scipy.org/doc/numpy/reference/generated/numpy.random.RandomState.html

[2] https://github.com/scikit-learn/scikit-learn/blob/0.14.X/sklearn/utils/validation.py

这对你有帮助吗？

当random_state为None时，StratifiedShuffleSplit函数（scikit-learn）的结果不同

2 个答案: