scikit-learn MLPRegressor 预测结果总是变化且不一致

Posted 2023-03-12

【中文标题】scikit-learn MLPRegressor 预测结果总是变化且不一致

【英文标题】：scikit-learn MLPRegressor prediction results always change and inconsistent

【发布时间】：2018-03-12 18:55:42

【问题描述】：

我正在尝试使用 MLPRegressor 训练和测试我的数据集。我有两个数据集（训练数据集和测试数据集），它们都具有完全相同的特征和标签列。这是我的数据集示例：

训练数据集：

Full,Gold Standard
1.176,3.571
4.231,3.467
3.75,4.333
3.519,3.5
1.154,2.833
3.2,3.643
2.692,3.4
3.611,2.733
4.0,2.393
2.727,1.933
3.529,3.423
2.647,2.733
1.538,2.786
2.0,2.967
2.647,2.533
1.786,2.552
5.0,5.0
3.158,4.6
1.875,2.733

测试数据集：

Full,Gold Standard
1.667,2.345
3.056,1.9
1.765,2.2
0.714,0.0
1.538,2.586
2.188,1.667
3.333,2.8
2.5,2.481
1.667,2.433
1.842,0.0
2.381,0.793
0.588,1.0
1.176,1.433
1.538,2.3
0.588,1.655
0.909,2.333
0.833,3.333
1.111,2.5
0.0,2.067

这是我的代码：

import csv
import numpy as np 
import random
import os.path

from sklearn import preprocessing as pre
from sklearn.neural_network import MLPRegressor

with open('FullFeatures2017.csv') as f:
    reader = csv.reader(f)
    next(reader, None)
    training = list(reader)
f.closed
#print("Row number of data training : ", len(training))

print

#------------training-------------------
train_data = [list(map(float, training[i])) for i in range(len(training))]
data1 = np.array(train_data)
print("Row number of training data : ", len(train_data))
X_train = data1[:, :-1]
y_train = data1[:, -1:]

scaler = pre.StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)

print

#------------open csv data testing-------------------
with open('FullFeatures2016.csv') as f:
    reader = csv.reader(f)
    next(reader, None)
    testing = list(reader)
f.closed
#print("Row number data testing : ", len(testing))

print

#------------testing-------------------
test_data = [list(map(float, testing[i])) for i in range(len(testing))]
data2 = np.array(test_data)
print("Row number of testing data : ", len(test_data))
X_test = data2[:, :-1]
y_test = data2[:, -1:]

X_test_scaled = scaler.fit_transform(X_test)

print

#------------Model Training-------------------
mlp = MLPRegressor(max_iter=500, learning_rate_init=0.1, random_state=1, solver='lbfgs', tol=0.001 )
y_train2 = np.ravel(y_train)
mlp.fit(X_train_scaled, y_train2)
#print(mlp.fit(X_train, y_train2))

print

#------------Model Testing or Prediction-------------------
prediction = mlp.predict(X_test_scaled)
print len(prediction)
print
print prediction
print

它可以工作，但每次我运行程序时结果总是会改变。我已经给出了 random_state 数字，例如 1、2 或 3（不是 0），但仍然总是在变化。

有人知道如何使用 MLPRegressor 预测相同且一致的结果吗？

谢谢

【问题讨论】：

播种会增加一致性吗？

请问，什么播种？对不起，我不明白

在脚本开头添加np.random.seed(0)，例如

它仍然在变化

找到解决方案了吗？我有同样的问题。使用相同的 random_state 仍然会导致不同的结果。

【参考方案1】：

我遇到了同样的问题，并且使用 erasmortg 所说的效果很好。

在脚本开头添加np.random.seed(0)

再补充一点，改变 np.random.seed() 的种子也会改变你在 MLPRegressor 方法中改变 random_state=0 时得到的答案。