python - 如何为 ML 模型正确设置种子值？

Question

我是机器学习新手，正在运行不同的分类模型。我观察到每次运行模型时，都会得到略有不同的结果。我在网上了解到这是关于设置种子值。但我无法实现可重复性？

下面是我尝试设置种子值的代码，但没有帮助

from sklearn.svm import SVC
random.seed(1234)
param_grid = {'C': [0.001,0.01,0.1,1,10,100],  
              'gamma': [1,0.1,0.01,0.001], 
              'kernel': ['linear','rbf','poly'],
              'class_weight':['balanced']}
svm=SVC()
svm_cv=GridSearchCV(svm,param_grid,cv=5)
svm_cv.fit(X_train_std,y_train)
y_pred = svm_cv.predict(X_test_std)
cm = confusion_matrix(y_test, y_pred)
print(cm)
print("Accuracy is ", accuracy_score(y_test, y_pred))

您能否帮助我了解如何设置 seed 值，以便每次运行上述代码时，我都能得到相同的结果/准确性/指标

Answer 1

Scikit learn 使用 numpy 随机种子。因此，您应该导入 numpy 并设置其随机种子，如下所示:

import numpy as np
np.random.seed(1234)

( https://www.mikulskibartosz.name/how-to-set-the-global-random_state-in-scikit-learn/ )