Question

每次运行此代码时，我都会获得print语句的不同值。我很困惑为什么要这样做，因为我特意为train / test split包含了random_state参数。（另一方面，我希望我应该对数据进行编码;它正在给出＆＃34; ValueError：无法将字符串转换为float＆＃34;否则）。

df = pd.read_csv('http://archive.ics.uci.edu/ml/machine-learning-databases/car/car.data',
                 names=['buying', 'maint', 'doors', 'persons',
                        'lug_boot', 'safety', 'acceptability'])

# turns variables into numbers (algorithms won't let you do it otherwise)
df = df.apply(LabelEncoder().fit_transform)
print(df)

X = df.reindex(columns=['buying', 'maint', 'doors', 'persons',
                        'lug_boot', 'safety'])
y = df['acceptability']


X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

print(X_train)

# decision trees classification
clf = tree.DecisionTreeClassifier(criterion='entropy')
clf = clf.fit(X_train, y_train)

y_true = y_test
y_pred = clf.predict(X_test)

print(math.sqrt(mean_squared_error(y_true, y_pred)))

Answer 1

DecisionTreeClassifier也需要random_state个参数：http://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html

您所做的只是确保列车/测试分割是可重复的，但分类器还需要确保每次运行时它自己的种子是相同的

<强>更新

感谢@Chester VonWinchester指出：https://github.com/scikit-learn/scikit-learn/issues/8443由于sklearn的实现选择，max_features= None可能是非确定性的，即使它应该意味着考虑所有功能。

上面的链接中有进一步的信息和讨论。

每次我使用random_state运行代码时都会有不同的值

1 个答案: