Question

我使用scikit-learn来训练一些分类器。我做交叉验证，然后计算AUC。但是，每次运行测试时，我都会获得不同的AUC编号，尽管我确保使用种子和RandomState。我希望我的测试是确定性的。这是我的代码：

from sklearn.utils import shuffle
SEED = 0
random_state = np.random.RandomState(SEED)
X, y = shuffle(data, Y, random_state=random_state)
X_train, X_test, y_train, y_test = \
        cross_validation.train_test_split(X, y, test_size=test_size, random_state=random_state)
clf = linear_model.LogisticRegression()
kfold = cross_validation.KFold(len(X), n_folds=n_folds)
mean_tpr = 0.0
mean_fpr = np.linspace(0, 1, 100)

for train, test in kfold:
        probas_ = clf.fit(X[train], Y[train]).predict_proba(X[test])
        fpr, tpr, thresholds = roc_curve(Y[test], probas_[:, 1])
        mean_tpr += interp(mean_fpr, fpr, tpr)
        mean_tpr[0] = 0.0

mean_tpr /= len(kfold)
mean_tpr[-1] = 1.0
mean_auc = auc(mean_fpr, mean_tpr)

我的问题： 1-我的代码中是否有错误导致每次运行时结果都不同？ 2-是否存在使scikit确定性的全局方法？

修改

我刚试过这个：

test_size = 0.5
X = np.random.randint(10, size=(10,2))
Y = np.random.randint(2, size=(10))
SEED = 0
random_state = np.random.RandomState(SEED)
X_train, X_test, y_train, y_test = \
    cross_validation.train_test_split(X, Y, test_size=test_size, random_state=random_state)

print X_train # I recorded the result

然后我做了：

X_train, X_test, y_train, y_test = \
    cross_validation.train_test_split(X, Y, test_size=test_size, random_state=6) #notice the change in random_state

然后我做了：

X_train, X_test, y_train, y_test = \
    cross_validation.train_test_split(X, Y, test_size=test_size, random_state=random_state)

print X_train #the result is different from the first one!!!!

正如你所看到的，虽然我使用了相同的random_state，但我得到了不同的结果！怎么解决这个问题？

Answer 1

LogisticRegression在内部使用随机性，并且有一个（未记录的，稍后会修复）random_state参数。

没有全局设置随机状态的方法，因为遗憾的是LogisticRegression上的随机状态和SVM代码只能以hacky方式设置。这是因为这段代码来自Liblinear和LibSVM，后者使用C标准库的rand函数，并且不能以原则方式播种。

编辑以上情况属实，但可能不是导致问题的原因。您通过调用通过单个np.random.RandomState线程，同时应传递相同的整数种子，以便于重现。

使scikit确定性？

1 个答案: