我应该使用“random.seed”还是“numpy.random.seed”来控制“scikit-learn”中的随机数生成？

Question

我正在使用 scikit-learn 和 numpy，我想设置全局种子，以便我的工作可重复。

我应该使用numpy.random.seed还是random.seed ？

从评论中的链接，我了解到它们是不同的，并且 numpy 版本不是线程安全的。 我想具体知道使用哪个来创建 IPython notebooks 以进行数据分析。 scikit-learn 的一些算法涉及生成随机数，我想确保笔记本在每次运行时显示相同的结果。

Answer 1

我应该使用 np.random.seed 还是 random.seed？

这取决于是否在你的代码中使用numpy的的随机数生成器或一个在random 。

numpy.random和random的随机数生成器具有完全独立的内部状态，因此numpy.random.seed()不会影响random.random()产生的随机序列，同样random.seed()不会影响numpy.random.randn()等。如果您在代码中同时使用random和numpy.random ，则需要分别为两者设置种子。

更新

您的问题似乎专门针对 scikit-learn 的随机数生成器。 据我所知，scikit-learn 始终使用numpy.random ，因此您应该使用np.random.seed()而不是random.seed() 。

一个重要的警告是np.random不是线程安全的——如果你设置一个全局种子，然后启动几个子np.random并使用np.random在其中生成随机数，每个子np.random继承 RNG 状态，这意味着你将得到每个子过程中的相同随机变量。 解决这个问题的常用方法是将不同的种子（或numpy.random.Random实例）传递给每个子numpy.random.Random ，这样每个子进程都有一个单独的本地 RNG 状态。

由于 scikit-learn 的某些部分可以使用 joblib 并行运行，您将看到某些类和函数可以选择传递种子或np.random.RandomState实例（例如， random_state=参数给sklearn.decomposition.MiniBatchSparsePCA ）。 我倾向于为脚本使用单个全局种子，然后根据任何并行函数的全局种子生成新的随机种子。