Question

我当前正在通过Anaconda Navigator使用Jupyter Notebook版本5.6.0。我试图将数据集拆分为“训练和测试”，但是每当我关闭并重新打开笔记本并重新运行代码时，它都会创建一个不同的训练和测试集。但是，如果我只是在不关闭笔记本计算机的情况下重新运行代码，则random_state可以工作。这正常吗？有没有办法解决这个问题，即使我关闭并重新打开笔记本前夕，它仍然会以相同的方式拆分数据集>

我已经设置了train_test_split方法的随机状态，但是它仍然会产生不同的数据拆分。

到目前为止，这是我的代码：

#Split dataset into Training and Testing
from sklearn.model_selection import train_test_split

y = train['Target']

x_train, x_test, y_train, y_test = train_test_split(train, y, test_size=0.2, random_state = 0)
x_train.head()

第一次运行的结果是：

      |   ID        |    Country           |   Target

7093  |   9.56      |      Tokyo           |    Yes

5053  |   9.58      |      Bangkok         |    Yes

1627  |   9.53      |      New York        |    No

2514  |   9.55      |      Los Angeles     |    No

重新运行的值显示：

      |   ID        |    Country           |   Target

3805  |   9.51      |     Chicago          |    No

6730  |   9.59      |     Seattle          |    No

7623  |   9.57      |     Busan            |    Yes

7045  |   9.60      |     Seoul            |    Yes

Answer 1

您从何处以及如何获取测试数据？如果您的数据来自动态来源（随机生成的数据，来自服务器的数据，或者如果您通过从数据中选择随机值来减少数据），那么可能会带来麻烦。通常，我会通过创建数据副本来解决该问题，以便可以使用pickle.io来引用它。这段代码假设我已经将数据作为数据框：

df.to_pickle(file_name)

接下来，我将仅使用我存储的数据，方法是：

df = pd.read_pickle(file_name)

然后从sklearn.model_selection导入train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.4, random_state=101)

Answer 2

尝试在numpy中设置随机状态：

import numpy as np
np.random.seed(42)

无法使用sklearn

2 个答案: