Python XgBoost精度结果在每次运行时都不同，参数相同。我怎样才能使它们保持不变？

XGB多类分类的“merror”和“logloss”结果在每次运行时相差约0.01或0.02，参数相同。这正常吗

当我使用相同的参数运行XGB时，我希望“merror”和“logloss”保持不变，这样我就可以精确地评估模型（例如，当我添加新功能时）

现在，如果我添加了一个新功能，我真的无法判断它是否对我的模型的准确性产生了积极影响，因为每次运行时，我的“merror”和“logloss”都会有所不同，而不管我是否对模型做了任何更改或上次运行后输入的数据

---

我应该尝试解决这个问题吗？如果我应该，我该怎么做？

设法解决了这个问题。首先，我将XgBoost的“seed”参数设置为固定值，正如Hadus所建议的那样。然后我发现我在笔记本中使用了sklearn的train_test_split函数，没有将random_state参数设置为固定值。因此，我将random_state参数设置为22（您可以使用任何您想要的整数），现在我得到的结果是常量。

这一定与随机数有关。可能与初始权重的设置方式有关。。。无论如何，设定一个恒定的种子将达到目的。不幸的是，我不知道如何使用XgBoost做到这一点。不过，这应该不难发现。祝你好运类似于：当您创建分类器实例时，应该有一个名为

random\u state

的参数，您应该将该参数设置为一个数字。