Python 每次运行RandomForestRegressor时都会得到不同的结果

我使用此代码希望实现决定论：

from sklearn.ensemble import RandomForestRegressor
np.random.seed(0)
import random
random.seed(0)

rf = RandomForestRegressor(n_estimators=1000, criterion='mse', min_samples_leaf=4)

---

但我的结果并不确定。这是为什么？我如何解决它？

使用

随机森林回归器中的
随机状态
参数：

from sklearn.ensemble import RandomForestRegressor

rf = RandomForestRegressor(n_estimators=1000, criterion='mse', min_samples_leaf=4, 
                           random_state= 0)

每次都应返回相同的结果。


Scikit学习不使用其自身的全局随机状态；每当
RandomState实例或整数随机种子未作为
参数，它依赖于numpy全局随机状态，该状态可以设置
使用numpy.random.seed


也就是说，在导入之前添加
np.random.seed（）
随机森林回归器也应该这样做。

来源：
使用
随机森林回归器中的
random\u state
参数：

from sklearn.ensemble import RandomForestRegressor

rf = RandomForestRegressor(n_estimators=1000, criterion='mse', min_samples_leaf=4, 
                           random_state= 0)

每次都应返回相同的结果。


Scikit学习不使用其自身的全局随机状态；每当
RandomState实例或整数随机种子未作为
参数，它依赖于numpy全局随机状态，该状态可以设置
使用numpy.random.seed


也就是说，在导入之前添加
np.random.seed（）
随机森林回归器也应该这样做。

来源：
您需要将
random\u state
添加到回归模型中。您可能希望在RFRegressionor调用中使用random\u state参数。您应该添加
np.random.seed（）
在导入RandomForestRegressionor之前，请在脚本的顶部。@Baron查看我的答案并告诉我们您需要将
Randomy\u state
添加到回归模型中您可能希望在RFRegressionor调用中使用Randomy\u state参数。您应该添加
np.random.seed（）
在导入RandomForestRegressionor之前，请在脚本顶部。@Baron查看我的答案，并告诉我们