在 python 中每次运行随机森林、非线性 SVC 和多项式 NB 时获得不同的准确度以进行文本分类

Posted 2023-03-12

【中文标题】在 python 中每次运行随机森林、非线性 SVC 和多项式 NB 时获得不同的准确度以进行文本分类

【英文标题】：Getting different accuracy on each run of Random Forest, Non-Linear SVC and Multinomial NB in python for text classification

【发布时间】：2019-04-17 14:07:14

【问题描述】：

我正在研究 Python 中的二进制文本分类问题，并在随机森林、非线性 SVC 和多项式 NB 中开发了模型。

但在每次运行时，这些各自的模型在测试集上得到不同的准确度和混淆矩阵参数。我在 train_test_split 和初始化每个模型时使用了 random_state 参数。代码中也加入了Random.Seed。

我还有什么遗漏的吗？

谢谢。

代码示例：

X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.15, stratify= Y, random_state = 42) 

tfidf_vectorizer = TfidfVectorizer(analyzer='word', stop_words = 'english', max_df = 0.8, min_df = 0.05, ngram_range=(1,3)) 
tfidf_train = tfidf_vectorizer.fit_transform(X_train) 
tfidf_test = tfidf_vectorizer.transform(X_test) #Default Hyperparameters 

rfc = RandomForestClassifier(random_state = 42) 

rfc.fit(tfidf_train,Y_train) 
predictions = rfc.predict(tfidf_test) 

score = metrics.accuracy_score(Y_test, predictions) # get scores

print("accuracy: %0.3f" % score) #printing score

【问题讨论】：

请提供一些关于数据拆分、学习器初始化和拟合的代码示例。

其他的也请如randomforest(....), model.fit(....)

您必须在您的问题中提供一些真实的代码示例。这是帮助自己更好（有时是）回答您关于 SO 的问题的标准方法。

一些工具使用numpy.random.seed()而不是random.random.seed()。

尝试在您的代码中使用 numpy.random.seed()，它们可能是您使用的某些实用程序中的一些随机操作。

【参考方案1】：

您使用的某些实用程序可能包含一些隐藏的随机动作，不确定性。

由于某些库使用numpy.random() 而不是random.random()，您应该使用numpy.random.seed()。