Python sklearn中的随机状态意义

我正在

sklearn

中处理

train\u test\u split

，我就是不理解

random\u state

参数。它的功能到底是什么？我们为什么使用它

请提供一个必要的例子

---

提前感谢。

随机状态

在

训练测试

中的参数可帮助您在每次运行该代码时重现相同的结果

“随机状态”可确保生成的拆分是可复制的。Scikit learn使用随机排列来生成拆分。您提供的随机状态用作随机数生成器的种子。这确保了随机数以相同的顺序生成

不使用随机_状态参数

from sklearn.model_selection import train_test_split

a = [1,5,6,7,8,6]
b = [2,3,5,2,1,4]

x1, x2, y1, y2 = train_test_split(a,b,test_size=0.25)

print(x1)
# output: [1, 6, 8, 7]

## run the code again

x1, x2, y1, y2 = train_test_split(a,b,test_size=0.25)

print(x1)
# output: [6, 8, 6, 7]

x1, x2, y1, y2 = train_test_split(a,b,test_size=0.25, random_state=42)

print(x1)
# output: [6, 6, 8, 7]

## run the code again
x1, x2, y1, y2 = train_test_split(a,b,test_size=0.25, random_state=42)

print(x1)
# output: [6, 6, 8, 7]

每次运行代码时，这些值都会更改

使用随机_状态参数

from sklearn.model_selection import train_test_split

a = [1,5,6,7,8,6]
b = [2,3,5,2,1,4]

x1, x2, y1, y2 = train_test_split(a,b,test_size=0.25)

print(x1)
# output: [1, 6, 8, 7]

## run the code again

x1, x2, y1, y2 = train_test_split(a,b,test_size=0.25)

print(x1)
# output: [6, 8, 6, 7]

x1, x2, y1, y2 = train_test_split(a,b,test_size=0.25, random_state=42)

print(x1)
# output: [6, 6, 8, 7]

## run the code again
x1, x2, y1, y2 = train_test_split(a,b,test_size=0.25, random_state=42)

print(x1)
# output: [6, 6, 8, 7]

---

正如您所见，相同的值已被复制，并且每次运行代码时都会创建相同的拆分。

下面@Akshay答案的可能重复非常好。另外，如果你不熟悉（psuedo）随机数生成的概念，我建议你看看维基百科上的。