每次与分类器的精度差异？

Question

每次运行此代码时，精度都会有所不同。任何人都可以解释原因吗？我在这里错过了什么吗？在此先感谢：）

以下是我的代码：

import scipy
import numpy
from sklearn import datasets
iris = datasets.load_iris()

X = iris.data
y = iris.target

X_train, X_test, y_train,y_test = train_test_split(X,y, test_size = .5)

# Use a classifier of K-nearestNeibour
from sklearn.neighbors import KNeighborsClassifier
my_classifier = KNeighborsClassifier()

my_classifier.fit(X_train,y_train)
predictions = my_classifier.predict(X_test)
print(predictions)

from sklearn.metrics import accuracy_score
print(accuracy_score(y_test,predictions))

Answer 1

train_test_split随机将数据拆分为训练集和测试集，因此每次运行脚本时都会得到不同的拆分。如果需要，可以将random_state参数设置为某个数字，并确保每次运行脚本时都获得相同的分割：

X_train, X_test, y_train,y_test = train_test_split(X,y, test_size = .5, random_state = 0)

每次都应该给你0.96的准确度。