如何在train_test_split中选择RandomState？

Question

我理解随机状态如何用于随机将数据分成训练和测试集。正如预期的那样，我的算法每次更改时都会给出不同的准确度。现在我必须在我的大学提交报告，我无法理解在那里提到的最终准确性。我应该选择最高精度吗？或者我应该使用不同的RandomStates运行它然后取其平均值？或其他什么？

Answer 1

最好的方法是取平均准确度......但是 如果你根据特定的数据集进行训练模型以获得最佳分类（可能被视为过度拟合），你可以采取最佳准确度让我详细说明：

您可以训练模型几次迭代，测试和列车设置的准确度会有所不同，但会采取上行趋势（准确度会上升） 你可以训练模型进行大量的迭代，只有在这次迭代时精度更好才能更新你的权重，从而构建出最好的模型...

但您应该注意观察测试集的准确性，以避免过度拟合，即当模型能够以非常高精度进行预测时超过列车设置，但测试设置的低准确度

一开始，模型将学习并且（测试和训练）准确度将提高，经过大量训练后列车精度将提高（或保持不变）但测试准确度将下降

您可以查看this进一步阅读

我建议你看看k-fold cross validation，我认为这种方法最适合这种情况

Answer 2

就我个人而言，我将random_state设置为特定数字（通常为42），因此，如果我发现程序准确性存在差异，我知道它是由而不是引起的数据被拆分了。

然而，这可能导致我的网络过度适应特定的分裂。 I.E.我调整我的网络，以便它适用于该分割，但不一定在不同的分割。因此，我认为在提交代码时最好使用随机种子，以便审阅者知道您没有过度适应该特定状态。

要使用sklearn.train_test_split执行此操作，您无法提供random_state，而是会使用np.random随机选择一个。