2020-06-11
阅读量:
1707
sklearn模型中random_state参数的意义
random_state 相当于随机数种子random.seed() ，random_state 与 random seed 作用是相同的。
- 如果你在需要设置随机数种子的地方都设置好，那么当别人重新运行你的代码的时候就能得到完全一样的结果，复现和你一样的过程。
- 当你用sklearn分割完测试集和训练集，确定模型和初始参数以后，你会发现程序每运行一次，都会得到不同的准确率，无法调参，这个时候就是因为没有加random_state，加上以后就可以调参了。
例如:在sklearn可以随机分割训练集和测试集(交叉验证)，只需要在代码中引入model_selection.train_test_split：
这里的random_state就是为了保证程序每次运行都分割一样的训练集和测试集。否则，同样的算法模型在不同的训练集和测试集上的效果不一样。
13.3191
2
2
关注作者
收藏
评论(0)
发表评论
暂无数据
推荐帖子
anranhui
2020-06-18
2条评论
PhilipLiang
2020-06-18
6条评论
PhilipLiang
2020-06-18
7条评论