Python sklearn的MLPClassizer在其他机器上执行时显示不同的精度？

看起来，在不同的设备上使用相同的输入运行sklearn MLPClassizer将获得不同的精度结果，即使设置了全局种子

MWE：

将numpy导入为np
从sklearn.neural_网络导入MLP分类器
从sklearn.model\u选择导入列车\u测试\u拆分
np.随机种子（1）
X_序列，X_测试，y_序列，y_测试=序列测试分割（X，y，测试大小=0.1，分层=y，随机状态=np.random.RandomState（0））
nn=MLP分类器（隐藏层大小=（100100），
激活='relu'，
“亚当”，
α=0.001，
批次尺寸=50，
学习率初始值=0.01，
最大电阻=1000，
随机状态=np.random.RandomState（0））
nn.fit（X_系列，y_系列）
y\u列车预测=nn.预测（X\u列车）
acc\u train=np.sum（y\u train==y\u train\u pred，轴=0）/X\u train.shape[0]
y_检验\u预测=nn.预测（X_检验）
acc_test=np.sum（y_test==y_test_pred，axis=0）/X_test.shape[0]
结果。附加（[acc\U列车，acc\U测试]）

---

如何保证再现性（独立于执行设备）？

我无法再现这一点

如果出现问题，可能需要更多关于不同机器的信息。调用

python-c'import-sklearn的结果是什么；sklearn.show_versions（）'

在每个

---

当

scikit learn==0.24.2

时，以下代码在Ubuntu/Red Hat上给出了相同的结果（我尝试了不同的：

numpy==1.19.1/1.20.2

和

scipy==1.5.2/1.6.3

）

从sklearn.neural_网络导入MLP分类器
从sklearn.dataset导入load_乳腺癌
从sklearn.model\u选择导入列车\u测试\u拆分
十、 y=load\u乳腺癌（返回值为真）
X_序列，X_测试，y_序列，y_测试=序列测试分割（X，y，随机状态=0）
clf=MLP分类器(
隐藏层大小=（100100），
激活=“relu”，
solver=“亚当”，
α=0.001，
批次尺寸=50，
学习率初始值=0.01，
最大电阻=1000，
随机_状态=0，
)
clf.fit（X_系列、y_系列）
打印（clf.分数（X_列，y_列））
打印（clf.分数（X_测试，y_测试））

输出：

0.9272300469483568
0.9370629370629371

---

嗨，谢谢你的回答。如果我使用自定义数据集（以下数据集：），那么在不同的操作系统上使用Adam执行MLP分类器时，我会获得不同的精度。然而，随着乳腺癌立场的确立，它正在如期发挥作用。我怀疑这与Pandas在Linux/Windows操作系统上读取csv文件的方式有关…（我不看Google驱动器链接，第三方网站上的内容变得棘手）这似乎很奇怪，你是否在对Pandas进行预处理，你认为这可能会导致操作系统之间的不同结果？一个选项是在清理

df.to_csv（）

后保留数据，使用

np.loadtxt

加载，并查看问题是否仍然存在。相同的行为。更奇怪的是，只有在使用relu+adam时，精度才会有所不同。通过物流+新加坡元，其工作符合预期。