python - 使 scikit 具有确定性？

Question

我正在使用 scikit-learn 来训练一些分类器。我进行交叉验证，然后计算 AUC。但是，尽管我确保使用种子和 RandomState，但每次运行测试时我都会得到不同的 AUC 编号。我希望我的测试是确定性的。这是我的代码:

from sklearn.utils import shuffle
SEED = 0
random_state = np.random.RandomState(SEED)
X, y = shuffle(data, Y, random_state=random_state)
X_train, X_test, y_train, y_test = \
        cross_validation.train_test_split(X, y, test_size=test_size, random_state=random_state)
clf = linear_model.LogisticRegression()
kfold = cross_validation.KFold(len(X), n_folds=n_folds)
mean_tpr = 0.0
mean_fpr = np.linspace(0, 1, 100)

for train, test in kfold:
        probas_ = clf.fit(X[train], Y[train]).predict_proba(X[test])
        fpr, tpr, thresholds = roc_curve(Y[test], probas_[:, 1])
        mean_tpr += interp(mean_fpr, fpr, tpr)
        mean_tpr[0] = 0.0

mean_tpr /= len(kfold)
mean_tpr[-1] = 1.0
mean_auc = auc(mean_fpr, mean_tpr)

我的问题:1-我的代码中是否有什么问题导致我每次运行时的结果都不一样？2- 是否有一种全局方法可以使 scikit 具有确定性？

编辑:

我刚试过这个:

test_size = 0.5
X = np.random.randint(10, size=(10,2))
Y = np.random.randint(2, size=(10))
SEED = 0
random_state = np.random.RandomState(SEED)
X_train, X_test, y_train, y_test = \
    cross_validation.train_test_split(X, Y, test_size=test_size, random_state=random_state)

print X_train # I recorded the result

然后我做了:

X_train, X_test, y_train, y_test = \
    cross_validation.train_test_split(X, Y, test_size=test_size, random_state=6) #notice the change in random_state

然后我做了:

X_train, X_test, y_train, y_test = \
    cross_validation.train_test_split(X, Y, test_size=test_size, random_state=random_state)

print X_train #the result is different from the first one!!!!

如您所见，尽管我使用了相同的 random_state，但我得到了不同的结果!如何解决？

Answer 1

LogisticRegression 在内部使用随机性并有一个(未记录，稍后会修复)random_state 参数。

没有设置随机状态的全局方法，因为不幸的是 LogisticRegression 和 SVM 代码上的随机状态只能以一种 hacky 方式设置。这是因为此代码来自 Liblinear 和 LibSVM，它们使用 C 标准库的 rand 函数并且无法以原则性方式播种。

编辑 以上是正确的，但可能不是问题的原因。您正在通过调用线程处理单个 np.random.RandomState，同时您应该传递相同的整数种子以便于重现。