python - 在 python 中每次运行随机森林、非线性 SVC 和多项式 NB 时获得不同的准确度以进行文本分类

Question

我正在用 python 解决二进制文本分类问题，并开发了随机森林、非线性 SVC 和多项式 NB 模型。

但是在每次运行时，这些各自的模型在测试集上得到不同的精度和混淆矩阵参数。我在 train_test_split 中使用了 random_state 参数，并在初始化每个模型时使用了 random_state 参数。代码中还添加了Random.Seed。

我还有什么遗漏的吗？

谢谢。

代码示例:

X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.15, stratify= Y, random_state = 42) 

tfidf_vectorizer = TfidfVectorizer(analyzer='word', stop_words = 'english', max_df = 0.8, min_df = 0.05, ngram_range=(1,3)) 
tfidf_train = tfidf_vectorizer.fit_transform(X_train) 
tfidf_test = tfidf_vectorizer.transform(X_test) #Default Hyperparameters 

rfc = RandomForestClassifier(random_state = 42) 

rfc.fit(tfidf_train,Y_train) 
predictions = rfc.predict(tfidf_test) 

score = metrics.accuracy_score(Y_test, predictions) # get scores

print("accuracy: %0.3f" % score) #printing score

Answer 1

您使用的某些实用程序可能包含一些隐藏的随机操作、不确定性。

由于某些库使用 numpy.random()而不是random.random()你应该使用numpy.random.seed()。