Python 使用ShuffleSplit在后续运行中获得相同的学习曲线

我在scikit learn中的学习曲线生成方面遇到了一个特别奇怪的问题。生成学习曲线的脚本的后续运行返回相同的结果。如果我更改ShuffleSplit对象或learning curve对象的任何参数，我将在两次运行之间得到不同的结果。但如果我保持这些参数不变，输出将是相同的

我将ShuffleSplit对象设置为10%用于训练，10%用于测试，以及3次迭代。我这样做是为了避免培训/测试集的内容可能是相同的，即使它们的顺序不同。ShuffleSplit应该采用随机索引来生成每个集合（我已经验证了它是这样做的）。因此，如果训练集在后续运行中有所不同，即使是很小的差异，Bayes模型也应该有不同的训练和测试错误，对吗

它看起来几乎像是在缓存分数，直到ShuffleSplit对象或learning_curve方法的参数出现，它才返回缓存的结果。我想不出任何其他解释。有什么想法吗

以下是一个简化的问题示例，基于scikit学习示例代码和数据集，位于：

---

您可以使用关键字参数

random\u state

主动更改

shuffliesplit

对象的随机种子

from sklearn.cross_validation import ShuffleSplit
cv = ShuffleSplit(n_samples, n_iter=10, test_size=.1, random_state=42)

---

通过每次创建cv对象时更改此选项，您应该会获得不同的结果。

您可以使用关键字参数

random\u state

主动更改

shuffliesplit

对象的随机种子

from sklearn.cross_validation import ShuffleSplit
cv = ShuffleSplit(n_samples, n_iter=10, test_size=.1, random_state=42)

---

通过每次创建cv对象时更改此选项，您应该会获得不同的结果。

您可以使用关键字参数

random\u state

主动更改

shuffliesplit

对象的随机种子

from sklearn.cross_validation import ShuffleSplit
cv = ShuffleSplit(n_samples, n_iter=10, test_size=.1, random_state=42)

---

通过每次创建cv对象时更改此选项，您应该会获得不同的结果。

您可以使用关键字参数

random\u state

主动更改

shuffliesplit

对象的随机种子

from sklearn.cross_validation import ShuffleSplit
cv = ShuffleSplit(n_samples, n_iter=10, test_size=.1, random_state=42)

---

通过在每次创建cv对象时更改此选项，您应该会获得不同的结果。

这就成功了，但我仍然对发生的事情感到困惑。ShuffleSplit类返回两个索引列表——一个用于列车集，另一个用于测试集。我验证了这些索引在后续运行中是不同的，那么如果随机状态变量与索引无关，它到底在做什么呢？一次交叉验证运行包括数据的

n\u iter

分割。这些都是不同的（概率极高），因为它们是按顺序随机选择的。但是，如果将种子固定为某个整数，则整个cv，即所有

n_iter

拆分将完全相同，即使生成了两次。这是因为就在生成之前，随机数生成器用种子初始化，然后从中提取数字。这些数字是完全确定的。通过更改种子，您将获得一个不同的cv对象，该对象的分割完全不同。如果未指定

random\u state

参数，则每次分割的cv对象也会不同。我想，如果你想让其他人能够准确地再现结果，那么指定随机_状态是很有用的。这确实起到了作用，但我仍然不清楚到底发生了什么。ShuffleSplit类返回两个索引列表——一个用于列车集，另一个用于测试集。我验证了这些索引在后续运行中是不同的，那么如果随机状态变量与索引无关，它到底在做什么呢？一次交叉验证运行包括数据的

n\u iter

分割。这些都是不同的（概率极高），因为它们是按顺序随机选择的。但是，如果将种子固定为某个整数，则整个cv，即所有

n_iter

拆分将完全相同，即使生成了两次。这是因为就在生成之前，随机数生成器用种子初始化，然后从中提取数字。这些数字是完全确定的。通过更改种子，您将获得一个不同的cv对象，该对象的分割完全不同。如果未指定

random\u state

参数，则每次分割的cv对象也会不同。我想，如果你想让其他人能够准确地再现结果，那么指定随机_状态是很有用的。这确实起到了作用，但我仍然不清楚到底发生了什么。ShuffleSplit类返回两个索引列表——一个用于列车集，另一个用于测试集。我验证了这些索引在后续运行中是不同的，那么如果随机状态变量与索引无关，它到底在做什么呢？一次交叉验证运行包括数据的

n\u iter

分割。这些都是不同的（概率极高），因为它们是按顺序随机选择的。但是，如果将种子固定为某个整数，则整个cv，即所有

n_iter

拆分将完全相同，即使生成了两次。这是因为就在生成之前，随机数生成器用种子初始化，然后从中提取数字。这些数字是完全确定的。通过更改种子，您将获得一个不同的cv对象，该对象的分割完全不同。如果未指定

random\u state

参数，则每次分割的cv对象也会不同。我想，如果你想让其他人能够准确地再现结果，那么指定随机_状态是很有用的。这确实起到了作用，但我仍然不清楚到底发生了什么。ShuffleSplit类返回两个索引列表——一个用于列车集，另一个用于测试集。我验证了这些索引在后续运行中是不同的，那么如果随机_状态变量