random_state参数在sklearn的ParameterSampler中有什么作用？

Question

我正在尝试实现sklearn的ParameterSampler，但我并不完全确定random_state参数的作用。

我的猜测是，如果random_state设置为None，则使用正常的随机抽样。如果random_state不是None，那么使用伪随机抽样？

此外，我不确定不同的int值如何影响采样。例如，random_state = 1是random_state = 2的不同形式吗？如果是，怎么样？

Answer 1

来自documentation：

  

如果random_state为None或np.random，则会返回随机初始化的RandomState对象。

     

如果random_state是一个整数，那么它将用于为一个新的RandomState对象播种。

     

如果random_state是RandomState个对象，则会传递它。

基本上，通过设置random_state，您可以保证（伪）随机数生成器每次都生成相同的随机整数序列，这反过来会影响数据的采样方式。< / p>

Answer 2

random_state不影响分发。它是一个参数，使您可以获得一致的结果。如果将其设置为1，则每次运行代码时都会得到相同的结果。如果将其设置为2，也会发生这种情况（但可能与之前的值不同）。如果将其设置为“无”（默认值），则每次选择随机种子时，您将获得不同的结果。

Answer 3

sklearn中的此 random_state 参数为函数的内部随机数生成器提供了种子值。 在此期间，如果我们为该种子值选择不同的值，则将导致不同的随机分割用于训练和测试。因此，如果我们希望每次都接受相同的训练和测试划分，则需要确保传递相同的随机状态参数值。就像是random.seed（）代码。