Python BaggingClassifier在不同的执行中给出相同的结果

我正在测试一个简单模型（knn），并尝试将结果与Ensamble进行比较

from sklearn.model_selection import cross_val_score
from sklearn.neighbors import KNeighborsClassifier
from sklearn.ensemble import BaggingClassifier
from sklearn.datasets import load_iris
data = load_iris()
y = data.target
X = data.data
knn = KNeighborsClassifier()
bagging = BaggingClassifier(knn, max_samples=0.5, max_features=0.5)

print "KNN Score:\t", cross_val_score(knn, X, y, cv=5, n_jobs=-1).mean()
print "Bagging Score:\t", cross_val_score(bagging, X, y, cv=5, n_jobs=-1).mean()

---

但每次我运行它的代码，我得到相同的错误估计。。。不应该每次都不同吗？

代码中计算了两个分数。第一个,

print "KNN Score:\t", cross_val_score(knn, X, y, cv=5, n_jobs=-1).mean()

将始终返回相同的值。原因是在这个过程中没有随机性。数据完全相同，划分为5个褶皱的部分也完全相同（如图所示，数据被拆分为5个连续褶皱）

但是，在计算以下分数时：

print "Bagging Score:\t", cross_val_score(bagging, X, y, cv=5, n_jobs=-1).mean()

---

这个过程是随机的。例如，由于

max_samples=0.5

，您随机抽取样本的一半来训练每个基本估计器。因此，每次运行代码时，可能会得到不同的结果。

如果没有数据，很难说。我添加了一些数据作为示例…是的。。。但问题是我没有得到不同的结果。。。在这张“装袋分数：\t”的线条图中，交叉数值分数（装袋，X，y，cv=5，n\u作业=-1）。意思（）这很奇怪。。。也许在你系统的某个地方，随机种子是固定的？尝试执行以下操作：将参数random_state添加到BaggingClassifier。i、 例如，使用bagging=BaggingClassifier运行代码（knn，max_samples=0.5，max_features=0.5，random_state=2）。然后运行代码，但切换随机状态。例如，使用bagging=BaggingClassifier（knn，max_samples=0.5，max_features=0.5，random_state=1）运行代码。你还得到同样的结果吗？我想你是对的。我在另一台计算机上尝试了相同的代码（使用Windows），我看到了不同的结果。。。此外，在设置

random_state

参数中的不同种子之前，我也尝试过，但结果不同。谢谢你的回复。。。