Question

我正在尝试在python中创建确定性决策树，但是我遇到了一些问题。

如果我的脚本运行了2次，由于算法的random_state，我将进入不同的决策树。

我试图修复random_state（random_state=0），但仍然无法正常工作。

我想删除决策树的随机性，但找不到明确的解决方案。

Answer 1

Sklearn使用numpy中的随机种子，因此您可以在脚本开始时使用以下命令设置全局种子：

import numpy as np

np.random.seed(0)

Answer 2

random_state参数应该可以使用，但这是2个不同的选项

选项1：

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

选项2：

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

。

import numpy as np
np.random.seed(0)

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

如何删除sklearn上决策树的随机性？

2 个答案: