使用具有不同 random_state 值的 sklearn.linear_model.SGDClassifier 进行逻辑回归时获得完全不同的权重值

Question

我相信，重量应该随着不同的随机 state 而略有变化。 使用 random_state = None 在每次运行中获得不同权重的原因可能是什么

以下是很少运行的权重值（包含3个功能）1）4.67100318,1.26129186,17.26554955 2）3.39793468,2.10265234,18.424844444353518.41182182186,18255555555555555555555555555555555555555555555555555555555555555555555555555555555555555555555555555555555559999·1949来来说

由于这种波动，我不确定应该使用哪个 random_state，这会在执行特征选择时造成麻烦。 请注意，我在执行标准化后使用数据。

我正在使用如下非常简单的代码来训练我的 model，因为我的数据仅包含 200 行具有 3 个特征的数据

from sklearn.linear_model import SGDClassifier
SGDClf = SGDClassifier(loss='log',random_state=1)
SGDClf.fit(X,Y)

Answer 1

机器学习模型会在同一个数据集上产生不同的结果， random_state = None ，
模型生成一系列称为随机种子的随机数，用于从给定数据集生成测试、验证和训练数据集的过程，例如： random_state = 1 。
将模型的种子配置为设定值将确保（权重）结果是可重现的。

SGDClassifier() 打乱输入的数据：

传递的（随机状态）值将对 function（拟合、拆分或任何其他 function，如 k_means）返回的结果的再现性产生影响。 -随机 state 文档

希望对您有所帮助