决策树产生不同的输出

Question

我目前正在使用决策树（使用Scikit Learn）来预测某些值。我面临的问题是算法的输出不一致。这是决策树的属性吗？在多次运行（没有更改数据/算法）时，我得到不同的结果。

我使用了Scikit的决策树类而没有改变任何东西以

开头

svr = DecisionTreeRegressor()

然后，要删除任何＆＃39;随机性，我将其更改为

svr = DecisionTreeRegressor(splitter='best', random_state=None)

导致不同结果的原因是什么？我该如何预防呢？

其中两个结果（为简单而绘制） 红色是DTR结果。蓝色是测试集。

Answer 1

The documentation显示以下内容：

random_state：int，RandomState instance or None，optional（default = None） 如果是int，则random_state是随机数生成器使用的种子 如果是RandomState实例，则random_state是随机数生成器 如果为None，则随机数生成器是np.random使用的RandomState实例。

每次调用DecisionTreeRegressor时，numpy可能会生成一个新的RandomState吗？

Answer 2

来自docs：

  

random_state ：int，RandomState实例或None，可选   （缺省值=无）

     

如果是int，则random_state是随机数使用的种子    发电机;如果是RandomState实例，则random_state是随机数   发电机;如果为None，则随机数生成器是RandomState   np.random使用的实例。

对于None，它会使用np.random，这也是随机的。要制作可重现的示例，您需要在int中指定random_state个数字。例如：

svr = DecisionTreeRegressor(random_state=1)

对于您的情况：

svr = DecisionTreeRegressor(splitter='best', random_state=None)

默认情况下random_state的行为与<{1}}相同。