scikit-learn MLPRegressor的预测结果总是变化无常且不一致

Question

我将尝试使用MLPRegressor来训练和测试我的数据集。我有两个数据集（训练数据集和测试数据集），它们都具有完全相同的特征和标签列。以下是我的数据集示例：

训练数据集：

Full,Gold Standard
1.176,3.571
4.231,3.467
3.75,4.333
3.519,3.5
1.154,2.833
3.2,3.643
2.692,3.4
3.611,2.733
4.0,2.393
2.727,1.933
3.529,3.423
2.647,2.733
1.538,2.786
2.0,2.967
2.647,2.533
1.786,2.552
5.0,5.0
3.158,4.6
1.875,2.733

测试数据集：

Full,Gold Standard
1.667,2.345
3.056,1.9
1.765,2.2
0.714,0.0
1.538,2.586
2.188,1.667
3.333,2.8
2.5,2.481
1.667,2.433
1.842,0.0
2.381,0.793
0.588,1.0
1.176,1.433
1.538,2.3
0.588,1.655
0.909,2.333
0.833,3.333
1.111,2.5
0.0,2.067

这是我的代码：

import csv
import numpy as np 
import random
import os.path

from sklearn import preprocessing as pre
from sklearn.neural_network import MLPRegressor

with open('FullFeatures2017.csv') as f:
    reader = csv.reader(f)
    next(reader, None)
    training = list(reader)
f.closed
#print("Row number of data training : ", len(training))

print

#------------training-------------------
train_data = [list(map(float, training[i])) for i in range(len(training))]
data1 = np.array(train_data)
print("Row number of training data : ", len(train_data))
X_train = data1[:, :-1]
y_train = data1[:, -1:]

scaler = pre.StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)

print

#------------open csv data testing-------------------
with open('FullFeatures2016.csv') as f:
    reader = csv.reader(f)
    next(reader, None)
    testing = list(reader)
f.closed
#print("Row number data testing : ", len(testing))

print

#------------testing-------------------
test_data = [list(map(float, testing[i])) for i in range(len(testing))]
data2 = np.array(test_data)
print("Row number of testing data : ", len(test_data))
X_test = data2[:, :-1]
y_test = data2[:, -1:]

X_test_scaled = scaler.fit_transform(X_test)

print

#------------Model Training-------------------
mlp = MLPRegressor(max_iter=500, learning_rate_init=0.1, random_state=1, solver='lbfgs', tol=0.001 )
y_train2 = np.ravel(y_train)
mlp.fit(X_train_scaled, y_train2)
#print(mlp.fit(X_train, y_train2))

print

#------------Model Testing or Prediction-------------------
prediction = mlp.predict(X_test_scaled)
print len(prediction)
print
print prediction
print

程序可以正常运行，但每次运行结果都不同。我已经尝试使用随机种子的数字（如1、2或3而非0），但结果仍然会改变。

有没有人知道如何使用MLPRegressor预测相同和一致的结果？

谢谢

- sang

---

对不起，请问什么是种子？很抱歉，我不理解。 - sang

在你的脚本开头添加 np.random.seed(0)，例如。 - erasmortg

哇，我可能有奇怪的 Python :( - sang

另外，在测试数据上永远不要使用fit()或fit_transform()，就像你现在在这行代码中所做的那样：X_test_scaled = scaler.fit_transform(X_test)。它会将测试数据缩放到与训练数据不同的比例，从而导致错误的结果。只需使用X_test_scaled = scaler.transform(X_test)。 - Vivek Kumar

这个问题有解决方案吗？我也遇到了同样的问题。使用相同的random_state仍然会导致不同的结果。 - nickexists

Answer 1

我之前也遇到了同样的问题，按照erasmortg所说的方法完美解决了。

在你的脚本开头添加np.random.seed(0)

再补充一点，通过改变np.random.seed()的种子值，你可以得到不同的结果，而通过改变MLPRegressor方法中的random_state=0参数也会得到不同的答案。

- Arsha Mamoozadeh