python - 每次运行 RandomForestRegressor 时都会得到不同的结果

Question

我使用这段代码希望实现确定性:

from sklearn.ensemble import RandomForestRegressor
np.random.seed(0)
import random
random.seed(0)

rf = RandomForestRegressor(n_estimators=1000, criterion='mse', min_samples_leaf=4)

但我的结果并不是确定性的。这是为什么？我该如何解决这个问题？

Answer 1

在RandomForestRegressor中使用random_state参数:

from sklearn.ensemble import RandomForestRegressor

rf = RandomForestRegressor(n_estimators=1000, criterion='mse', min_samples_leaf=4, 
                           random_state= 0)

这应该每次都会返回相同的结果。

<小时/>

Scikit-learn does not use its own global random state; whenever a RandomState instance or an integer random seed is not provided as an argument, it relies on the numpy global random state, which can be set using numpy.random.seed

<小时/>

话虽这么说，添加 np.random.seed() 之前 导入 RandomForestRegressor 也应该能达到目的。

来源:http://scikit-learn.org/stable/faq.html#how-do-i-set-a-random-state-for-an-entire-execution