Scikit学习：训练/测试拆分不可重现

Question

我正在使用scikit-learn的train_test_split功能，并在重复运行相同代码时得到不同的结果：

from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.1, random_state=42)

当我在y_train记录唯一元素的y_train ：

logger.info(len(set(y_train)))

我在重复运行中得到了不同的值（没有代码更改）。 我本以为random_state可以确保确定性的划分。

如何确保每次均分？

Answer 1

随机性不是由train_test_split引起的，因为您可以看到是否多次运行此最小代码：

from sklearn.model_selection import train_test_split

x = [k for k in range(0, 50)]
y = [k for k in range(0, 50)]
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.1, random_state=44)

print (x_train)

您的代码中可能还有另一个随机性来源。 因此，也许是numpy / pandas引起了问题。

Answer 2

设置random_state的值（在许多scikit-learn示例中使用的random_state 42）并不重要，最重要的是该值始终相同，因此您可以多次验证代码。

如果您发布完整的代码，则代码中可能还存在其他一些随机性，它们会产生不同的结果。