python - scikit learn 的 train_test_split( ) 方法

Question

我正在尝试使用 DecisionTreeClassifier 创建机器学习模型。为了训练和测试我的数据，我从 scikit learn 导入了 train_test_split 方法。但我无法理解其名为 random_state 的参数之一。

为 model_selection.train_test_split 函数的 random_state 分配数值有何意义？我如何知道为决策树分配 random_state 的数值？

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=324)

Answer 1

作为docs值得一提的是，random_state 用于初始化train_test_split 中使用的随机数生成器(其他方法也类似)。由于实际分割数据集的方法有很多不同，这是为了确保您可以对同一数据集多次使用该方法(例如，在一系列实验中)并始终获得相同的结果(即完全相同的训练和测试)设置在这里)，即出于再现性的原因。它的确切值并不重要，也不必担心。

使用 docs 中的示例，设置 random_state=42 确保您获得与此处显示的完全相同的结果(下面的代码实际上在我的计算机中运行，而不是从文档复制粘贴):

import numpy as np
from sklearn.model_selection import train_test_split

X, y = np.arange(10).reshape((5, 2)), range(5)

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.33, random_state=42)

X_train
# array([[4, 5],
#        [0, 1],
#        [6, 7]])

y_train
# [2, 0, 3]

X_test
# array([[2, 3],
#        [8, 9]])

y_test
# [1, 4]

您应该在上面的代码片段中尝试使用不同的 random_state 值(或者根本不指定它)来获得感觉。