ML.NET TrainTestSplit随机种子

Question

我正在ML.NET中使用TrainTestSplit，将我的数据集重复拆分为训练集和测试集。例如sklearn，相应的函数将种子作为输入，因此可以获取不同的分割，但是在ML.NET中，重复调用TrainTestSplit似乎返回相同的分割。是否可以更改TrainTestSplit使用的随机种子？

Answer 1

现在TrainTestSplit并没有随机种子。 ML.NET中打开了一个错误来解决此问题：https://github.com/dotnet/machinelearning/issues/1635

作为一种短期解决方法，我建议手动将随机列添加到数据视图，并将其用作stratificationColumn中的TrainTestSplit：

data = new GenerateNumberTransform(mlContext,  new GenerateNumberTransform.Arguments
                {
                    Column = new[] { new GenerateNumberTransform.Column { Name = "random" } },
                    Seed = 42 // change seed to get a different split
                }, data);
(var train, var test) = mlContext.Regression.TrainTestSplit(data, stratificationColumn: "random");

此代码将与ML.NET 0.7一起使用，我们将种子固定为0.8。

Answer 2

从今天开始（ML.NET v1.0），此问题已解决。 TrainTestSplit以seed作为输入，它还通过设置samplingKeyColumnName支持分层：

TrainTestSplit(IDataView data, double testFraction = 0.1, string samplingKeyColumnName = null, Nullable<int> seed = null);