python - Scikit学习中的随机状态(伪随机数)

Question

我想在scikit learn中实现一个机器学习算法，但是不明白random_state这个参数是做什么的？我为什么要使用它？

我也无法理解什么是伪随机数。

Answer 1

train_test_split 将数组或矩阵拆分为随机训练和测试子集。这意味着每次你在不指定 random_state 的情况下运行它，你都会得到不同的结果，这是预期的行为。例如:

运行 1:

>>> a, b = np.arange(10).reshape((5, 2)), range(5)
>>> train_test_split(a, b)
[array([[6, 7],
        [8, 9],
        [4, 5]]),
 array([[2, 3],
        [0, 1]]), [3, 4, 2], [1, 0]]

运行 2

>>> train_test_split(a, b)
[array([[8, 9],
        [4, 5],
        [0, 1]]),
 array([[6, 7],
        [2, 3]]), [4, 2, 0], [3, 1]]

它改变了。另一方面，如果你使用 random_state=some_number，那么你可以保证 Run 1 的输出将等于 Run 2 的输出>，即您的拆分将始终相同。 实际的 random_state 数字是 42, 0, 21, ... 并不重要，重要的是每次使用 42 时，第一次创建 split 。 如果您想要可重现的结果(例如在文档中)，这很有用，这样每个人在运行示例时都可以一致地看到相同的数字。 在实践中，我会说，您应该在测试时将 random_state 设置为某个固定数字，但如果您确实需要随机(而不是固定)拆分，然后在生产中将其删除。

关于您的第二个问题，伪随机数生成器是一种生成几乎真正随机数的数字生成器。为什么它们不是真正随机的超出了这个问题的范围，在你的情况下可能并不重要，你可以看看 here形成更多细节。