Fatal编程技术网
  • python/
  • Python 使用Numpy为sklearn设置良好的随机化环境

Python 使用Numpy为sklearn设置良好的随机化环境

python numpy random scikit-learn

Python 使用Numpy为sklearn设置良好的随机化环境,python,numpy,random,scikit-learn,Python,Numpy,Random,Scikit Learn,我想知道是否有优化随机环境的最佳实践。目前，我在配置中使用以下简单结构： 来自numpy.random导入生成器，PCG64 rng=发电机（PCG64（42）） np.随机种子（42） rnggenerator：所有通用（按照特定分布、索引排列、合成数据点等绘制） 遗留np.random.seed为scipy.stats生成器的rvs方法设置scipy的随机状态 我在sklearn文档（警告部分）的某个地方读到，sklearn.model_选择模块使用scipy的全局种子，这将是具有np.r

我想知道是否有优化随机环境的最佳实践。目前，我在配置中使用以下简单结构：

来自numpy.random导入生成器，PCG64
rng=发电机（PCG64（42））
np.随机种子（42）

  • rng
    generator：所有通用（按照特定分布、索引排列、合成数据点等绘制）
  • 遗留
    np.random.seed
    为
    scipy.stats
    生成器的
    rvs
    方法设置scipy的随机状态
    • 我在sklearn文档（警告部分）的某个地方读到，
    sklearn.model_选择
    模块使用scipy的全局种子，这将是具有
    np.random.seed的全局种子集，不是吗
    
如果您更好地理解scipy和sklearn如何引用全局种子，以及什么是好的默认随机化设置，那么它将非常有用。我已经阅读了与此相关的内容，但有矛盾的迹象：为了一致性，每次都应该将一个种子传递给
    random_state
    参数（使用
    np.random.RandomState（）
    类），但他们也说如果
    None
    被传递，它将查找全局np种子。然而，对于最后一个选项，我无法清楚地看到一致的行为，第二个选项非常冗长
    
有什么想法吗