Python 随机搜索CV和GridsearchCV结果不可复制

我正在用python执行RandomForest和AdaBoost回归

我的结果不可复制[每次使用相同的数据和代码运行时，我的预测都会发生变化]

seed = np.random.seed(22)
rng = np.random.RandomState(1)      

param_grid = {'n_estimators': [10, 100, 1000]}
model_rfr = GridSearchCV(RandomForestRegressor(random_state = rng), param_grid, cv=3, n_jobs=-1, verbose=1)
model_rfr.fit(train_x1,train_y1)
test_rfr = model_rfr.predict(test_y1)
param_grid = {"n_estimators":[100,500],"learning_rate":list(np.linspace(0.01,1,10)),"loss":["linear", "square", "exponential"]}
model_adr = RandomizedSearchCV(AdaBoostRegressor(DecisionTreeRegressor()), param_grid,n_jobs=-1,n_iter=10,cv=3,random_state = rng)
model_adr.fit(train_x1,train_y1)
test_adr = model_adr.fit(test_y1)

这里的test\u adr和test\u rfr值会发生变化，每次我都会运行我的代码

---

请使用任何样本数据进行回归。但请建议如何使我的结果重现。

感谢您的贡献。请查找可复制的结果代码

seed = np.random.seed(22)
rng = np.random.RandomState(1)
param_grid = {'n_estimators': [10, 100, 1000]}
model_rfr = GridSearchCV(RandomForestRegressor(random_state = rng), param_grid, cv=3, n_jobs=-1, verbose=1)
model_rfr.fit(train_x1,train_y1)
test_rfr = model_rfr.predict(test_y1)
param_grid = {"n_estimators":[100,500],"learning_rate":list(np.linspace(0.01,1,10)),"loss":["linear", "square", "exponential"]}
model_adr = RandomizedSearchCV(AdaBoostRegressor(DecisionTreeRegressor(random_state = rng)), param_grid,n_jobs=-1,n_iter=10,cv=3,random_state = rng)
model_adr.fit(train_x1,train_y1)
test_adr = model_adr.predict(test_x1)

---

++现在Gridsearch结果是可复制的，建议对于随机化CVA来说，

predict（）

方法应该与

test\u x1

一起发送，而您发送的是

test\u y1

，代码的最后一行应该是

model\u adr.predict（）

，而不是

model\u adr.fit（）

adaboostregresor和decisiontreegresor也具有

random_状态

param。有了这些设置，我就可以复制结果了。谢谢你的帮助，我现在就知道了。但是有了一些随机状态值，我得到了更好的结果，我可以优化它吗？并使其可复制？不，

随机状态

并不意味着要优化。认为这是幸运的。也许并非每次都是这样。只相信多重交叉验证的平均输出。