每次我运行RandomForestRegressor都会得到不同的结果

Question

我使用此代码希望实现确定性：

from sklearn.ensemble import RandomForestRegressor
np.random.seed(0)
import random
random.seed(0)

rf = RandomForestRegressor(n_estimators=1000, criterion='mse', min_samples_leaf=4)

但是我的结果并不确定。为什么会这样，我该如何解决？

Answer 1

在random_state中使用RandomForestRegressor参数：

from sklearn.ensemble import RandomForestRegressor

rf = RandomForestRegressor(n_estimators=1000, criterion='mse', min_samples_leaf=4, 
                           random_state= 0)

这应该每次都返回相同的结果。

---

  

Scikit-learn不使用自己的全局随机状态；每当一个   没有提供RandomState实例或整数随机种子作为   参数，它依赖于可以设置的numpy全局随机状态   使用numpy.random.seed

---

话虽如此，添加 np.random.seed() 之前 导入 RandomForestRegressor 也应该可以解决问题

。

来源：http://scikit-learn.org/stable/faq.html#how-do-i-set-a-random-state-for-an-entire-execution