Python 为什么每次我在GridSearchCV for decision tree中运行时，最大深度答案都会改变？

这是因为决策树算法中存在随机性。从：

在每次分割时，特征总是随机排列，即使分割器设置为“最佳”。但是，即使

max\u features=n\u features

，在不同的运行中找到的最佳分割可能会有所不同。在这种情况下，如果多个拆分的标准改进相同，并且必须随机选择一个拆分

所以，随机性是正常的。如果需要确定性方法，请设置

random_state

参数（即指定种子），每次都会得到相同的结果。下面是一个例子：

Hyperparameters={'max_depth':np.arange(1,100,1)}

dectree= tree.DecisionTreeClassifier()

cv_grid = GridSearchCV(estimator= dectree ,param_grid = Hyperparameters, scoring ='accuracy',cv = 10)

cv_grid= cv_grid.fit(X_train, y_train)

cv_grid.best_params_

当我使用

random_state

参数在不使用

random_state的情况下运行测试时，我得到了以下结果：

{'max_depth': 4}
{'max_depth': 4}
{'max_depth': 4}
{'max_depth': 4}
{'max_depth': 4}

请给你的答案加些解释，你有机会考虑我的答案吗？
{'max_depth': 4}
{'max_depth': 4}
{'max_depth': 4}
{'max_depth': 4}
{'max_depth': 4}

{'max_depth': 5}
{'max_depth': 65}
{'max_depth': 59}
{'max_depth': 5}
{'max_depth': 93}