我正在研究python中的二进制文本分类问题，并在Random Forest，非线性SVC和多项式NB中开发了模型。
但是在这些模型的每次运行中，测试集会获得不同的准确性和混淆矩阵参数。我在train_test_split中以及初始化每个模型时都使用了random_state参数。代码中还添加了Random.Seed。
还有其他我想念的东西吗？
谢谢。
代码示例：
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.15, stratify= Y, random_state = 42)
tfidf_vectorizer = TfidfVectorizer(analyzer='word', stop_words = 'english', max_df = 0.8, min_df = 0.05, ngram_range=(1,3))
tfidf_train = tfidf_vectorizer.fit_transform(X_train)
tfidf_test = tfidf_vectorizer.transform(X_test) #Default Hyperparameters
rfc = RandomForestClassifier(random_state = 42)
rfc.fit(tfidf_train,Y_train)
predictions = rfc.predict(tfidf_test)
score = metrics.accuracy_score(Y_test, predictions) # get scores
print("accuracy: %0.3f" % score) #printing score
答案 0 :(得分：0)
您使用的某些实用程序可能包含一些隐藏的随机操作，不确定性。
由于某些库使用numpy.random()而不是random.random()，因此您应该使用numpy.random.seed()。