python - Scikit-learn:训练/测试拆分不可重现

Question

我正在使用 scikit-learn 的 train_test_split 功能，并且在重复运行相同的代码时得到不同的结果:

from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.1, random_state=42)

当我在 y_train 中记录唯一元素的数量时:

logger.info(len(set(y_train)))

我在重复运行时得到不同的值(没有更改代码)。我原以为 random_state 会确保确定性 split 。

如何确保每次拆分相同？

Answer 1

随机性不是由 train_test_split 引起的，如果您多次运行此最小代码，您会看到:

from sklearn.model_selection import train_test_split

x = [k for k in range(0, 50)]
y = [k for k in range(0, 50)]
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.1, random_state=44)

print (x_train)

您的代码中可能还有另一个随机性来源。所以也许是 numpy/pandas 导致了这个问题。