Python sklearn随机分类器不可再现的结果

我一直在使用sklearn的随机森林，并尝试比较几种模型。然后我注意到，随机森林给出了不同的结果，即使是使用相同的种子。我尝试了两种方法：random.seed（1234）和使用随机林内置的random_state=1234 在这两种情况下，我都会得到不可重复的结果。我错过了什么

# 1
random.seed(1234)
RandomForestClassifier(max_depth=5, max_features=5, criterion='gini', min_samples_leaf = 10)
# or 2
RandomForestClassifier(max_depth=5, max_features=5, criterion='gini', min_samples_leaf = 10, random_state=1234)

有什么想法吗？谢谢

编辑： 添加我的代码的更完整版本

clf = RandomForestClassifier(max_depth=60, max_features=60, \
                        criterion='entropy', \
                        min_samples_leaf = 3, random_state=seed)
# As describe, I tried random_state in several ways, still diff results
clf = clf.fit(X_train, y_train)

predicted = clf.predict(X_test)
predicted_prob = clf.predict_proba(X_test)[:, 1]
fpr, tpr, thresholds = metrics.roc_curve(np.array(y_test), predicted_prob)
auc = metrics.auc(fpr,tpr)
print (auc)

---

编辑：已经有一段时间了，但我认为使用可能会解决问题。我自己还没有测试过，但如果你正在阅读，那值得一试。此外，通常最好使用RandomState而不是random.seed（）。

首先确保您拥有所需模块的最新版本（例如，scipy、numpy等）键入

random.seed（1234）

时，使用

numpy

生成器

---

当您在

RandomForestClassifier

内使用

random\u state

参数时，有几个选项：int、RandomState实例或无

---

从文档中：

• 如果int，则random_state是随机数生成器使用的种子

• 如果为RandomState实例，则random_state为随机数生成器

• 如果没有，则随机数生成器是np.random使用的RandomState实例

---

在两种情况下使用相同的生成器的方法如下。我在两种情况下使用相同的（numpy）生成器，我得到了可重复的结果（两种情况下的结果相同）

检查结果是否相同：

all(clf.predict(X) == clf2.predict(X))
#True

True
True
True
True
True

---

运行相同代码5次后检查： 结果：

all(clf.predict(X) == clf2.predict(X))
#True

True
True
True
True
True

---

好的，最终解决这个问题的是重新安装conda环境。我仍然不确定为什么会出现不同的结果。谢谢

在第二次调用随机林分类器之前，您是否也调用了相同的随机种子？你能展示你的不同结果吗？请让我知道我的回答是否符合你的问题，我第一次跑了几次（1），并计算了预测和ROC/AUC。每次的结果都不一样。然后我用方法（2）做了同样的事情，结果仍然是不可复制的。然后我使用了第三种方法，正如@sera所建议的，仍然没有乐趣。对于所有其他方法（逻辑回归、LDA、朴素贝叶斯），我得到了完全相同的结果。一些例子：在相同的种子下，AUC为：0.779396，0.794945，我尝试了上面列出的两种方法。此外，我还尝试了您使用random_state=random_seed（1234）编写的一个。所有方法对随机林和决策树都给出了不可重复的结果。每次我用同一个种子运行它，结果都是不同的。我已经运行了我发布的代码100次，当我使用：

all（clf.predict（X）=clf2.predict（X））

Yes检查时，我总是得到

True

。过了很长时间，我再次检查了这个问题，发现了我的错误（与使用RandomState（）有关）。做了那件事之后，一切都很正常。请考虑一下我的回答，问题可能是因为老的Python库（例如Nupyy Scpyy等）。