sklearn的ParameterSampler中的random_state参数有啥作用？

Posted 2023-03-12

【中文标题】sklearn的ParameterSampler中的random_state参数有啥作用？

【英文标题】：What does the random_state parameter do in sklearn's ParameterSampler?sklearn的ParameterSampler中的random_state参数有什么作用？

【发布时间】：2017-12-18 18:44:44

【问题描述】：

我正在尝试实现 sklearn 的 ParameterSampler，但我不完全确定 random_state 参数的作用。

我的猜测是，如果将random_state 设置为None，则使用正常随机抽样。如果random_state 不是None，那么使用伪随机抽样？

我也不确定不同的 int 值对采样有何影响。例如，random_state = 1 是否与 random_state = 2 不同？如果是，怎么做？

【参考方案1】：

来自documentation：

如果random_state 是None 或np.random，则返回一个随机初始化的RandomState 对象。

如果random_state 是一个整数，则它用于为新的RandomState 对象播种。

如果random_state 是RandomState 对象，则它被传递。

基本上，通过设置random_state，您可以保证（伪）随机数生成器每次生成相同的随机整数序列，这反过来会影响您的数据采样方式。

【参考方案2】：

random_state 不影响分发。它是一个使您能够获得一致结果的参数。如果将其设置为 1，则每次运行代码都会得到相同的结果。如果将其设置为 2，也会发生这种情况（但可能使用与以前不同的值）。如果您将其设置为 None（默认），则每次选择随机种子时，您都会得到不同的结果。

【参考方案3】：

sklearn 中的这个 random_state 参数为函数的内部随机数生成器提供了一个种子值。 如果我们为该种子值选择不同的值，则会导致训练和测试的随机拆分不同。所以，如果我们想每次都得到相同的训练和测试分割，我们需要确保传入相同的随机状态参数值。所以它类似于 random.seed() 代码。