Python 寻找sklearn决策树分类器的随机状态

我有一些数据，我正在安装一个

sklearn DecisionTreeClassifier

。因为分类器使用了一点随机性，我运行了几次并保存了最佳模型。但是，我希望能够重新训练数据，并在不同的机器上获得相同的结果

在我为每个分类器训练模型之后，有没有办法找出初始的

随机状态

---

EDIT

sklearn

模型有一个名为

get_params（）

的方法，显示输入内容。但是对于

random\u state

它仍然表示

None

。然而，根据文档，在这种情况下，它使用

numpy

生成一个随机数。我试图弄清楚那个随机数是什么

你必须把一个显式的随机状态传递给d-树构造函数：

>>> DecisionTreeClassifier(random_state=42).get_params()['random_state']
42

---

将其保留为默认值

None

意味着

fit

方法将使用

numpy.random

的单态随机状态，这是不可预测的，并且在运行中也不相同。

我建议您最好使用随机林，因为随机林包含许多树，这些树是根据您的预测因子子集建模的。 然后，只需使用

RandomForestVariableName.estimators\uu

我将在这里使用我的代码作为示例：

with open('C:\Users\Saskia Hill\Desktop\Exported\FinalSpreadsheet.csv', 'rb') as csvfile:
    titanic_reader = csv.reader(csvfile, delimiter=',', quotechar='"')
    row = titanic_reader.next()
    feature_names = np.array(row)

    # Load dataset, and target classes
    titanic_X, titanic_y = [], []
    for row in titanic_reader:  
    titanic_X.append(row)
    titanic_y.append(row[11]) # The target values are your class labels

    titanic_X = np.array(titanic_X)
    titanic_y = np.array(titanic_y)
    print titanic_X, titanic_y

print feature_names, titanic_X[0], titanic_y[0]
titanic_X = titanic_X[:, [2,3,4,5,6,7,8,9,10]] #these are your predictors/ features
feature_names = feature_names[[2,3,4,5,6,7,8,9,10]]

from sklearn import tree

rfclf = RandomForestClassifier(criterion='entropy', min_samples_leaf=1,  max_features='auto', max_leaf_nodes=None, verbose=0)

rfclf = rfclf.fit(titanic_X,titanic_y)

rfclf.estimators_     #the output for this is pasted below:

[DecisionTreeClassifier(compute_importances=None, criterion='entropy',
        max_depth=None, max_features='auto', max_leaf_nodes=None,
        min_density=None, min_samples_leaf=1, min_samples_split=2,
        random_state=1490702865, splitter='best'),
DecisionTreeClassifier(compute_importances=None, criterion='entropy',
        max_depth=None, max_features='auto', max_leaf_nodes=None,
        min_density=None, min_samples_leaf=1, min_samples_split=2,
        random_state=174216030, splitter='best') ......

---

因此，随机林将随机性引入到决策树文件中，并且不需要对决策树使用的初始数据进行调整，但它们作为交叉验证的方法，为您的数据准确性提供了更大的信心（特别是如果像我一样，您有一个小数据集）.

在线文档表明默认的

random\u state

是

None

，因此这似乎是正确的。请看：我知道这是默认用法，我要问的是当我使用

random\u state=None

并且我符合模型时，拟合后有没有办法找出

numpy.random

的结果是什么？也许我没有正确回答我的问题。我想知道的是，如果我使用了

random\u state=None

，它应该使用

numpy.random

，有没有办法在模型适合后找出

numpy.random

的结果是什么？@sedavidw：在这种情况下，答案是“那是不可能的”。