Scikit-learn：训练/测试拆分不可复制

Question

我正在使用scikit-learn的train_test_split功能，但当我反复运行相同的代码时，得到了不同的结果：

from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.1, random_state=42)

当我记录 y_train 中唯一元素的数量时：

logger.info(len(set(y_train)))

我会在重复运行代码时得到不同的值（即使没有更改任何代码）。 我原以为random_state可以确保分割的确定性。

如何确保每次都分割相同的数据？

- anon_swe

Answer 1

随机性不是由train_test_split引起的，如果您运行此最小代码多次，可以看到：

from sklearn.model_selection import train_test_split

x = [k for k in range(0, 50)]
y = [k for k in range(0, 50)]
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.1, random_state=44)

print (x_train)

你的代码中可能有另一个随机源，因此可能是numpy/pandas引起的问题。

- Tim

Answer 2

您设置的random_state的值（在许多scikit-learn示例中使用的是42）并不重要，最重要的是该值始终相同，以便您可以多次验证代码。您的代码中可能存在其他随机性，会导致产生不同的结果，请发布您的完整代码。

- Suleiman

---

每次它都从相同的CSV文件中提取数据。 - anon_swe