如何在sklearn中使用LassoLarsCV获得可重现的分割？

Question

如果我使用LassoCV适合sklearn，我可以

    model_LassoCV = LassoCV(cv=3,random_state=2018).fit(X, y)

并获得可重复的分割以进行交叉验证。 但是，如果我这样做

    model_LassoCV = LassoLarsCV(cv=3,random_state=2018).fit(X, y)

根据文档，LassoLarsCV没有random_state。 那么如何使用LassoLarsCV获得可重现的结果？

Answer 1

要用作交叉验证生成器的对象可以作为cv param传递。因此，您可以通过自己的CV迭代器来控制列车测试生成。

类似的东西：

from sklearn.model_selection import KFold
kfold = KFold(n_splits=3, random_state=2018)
model_LassoCV = LassoLarsCV(cv=kfold)
model_LassoCV.fit(X, y)

现在你需要确保算法中的其他地方不存在随机性，如果没有，那么这将是可重复的代码。