Scikit learn Scikit学习SGDClassizer：精度和召回率每次都会更改值

我对scikit learn中的精度和召回值有疑问。我正在使用函数

sgdclassizer

对数据进行分类。 为了评估性能，我使用精度和召回功能

precision\u recall\u fscore\u support

，但每次运行程序时，精度和召回矩阵中的值都不同。我怎样才能得到真正的价值观？ 我的代码是：

scalerI = preprocessing.StandardScaler()
X_train = scalerI.fit_transform(InputT)
X_test = scalerI.transform(InputCross)
clf = SGDClassifier(loss="log", penalty="elasticnet",n_iter=70)
y_rbf = clf.fit(X_train,TargetT)
y_hat=clf.predict(X_test)
a= clf.predict_proba(X_test)
p_and_rec=precision_recall_fscore_support(TargetCross,y_hat,beta=1)

谢谢

来自SGDClassizer的

random_state

参数初始化为

None

这是用于随机数生成器的种子值。您需要修正此值，以便结果可重复，因此设置

random\u state=0

或任何您喜欢的数字

clf = SGDClassifier(loss="log", penalty="elasticnet",n_iter=70, random_state=0)

每次运行应产生相同的结果

从文档中：

随机_状态：整数种子、随机状态实例或无（默认）状态 在洗牌时使用的伪随机数生成器的种子 数据

---

哦，谢谢你！我不明白随机状态的含义。因此，现在的问题可能是如何选择最佳的数字以获得最佳结果无需担心，请进行测试，如果它解决了您的问题，请记住接受我的答案，我的答案左上角将有一个空的勾号。这吸引了很多人，包括我自己，总是检查分类器的构造函数是否具有

random_state

param。