為什么model的精度會發生變化？

Question

我在 ML 領域還是個新手。 我想知道..當我使用'random_state = 10'時，變量保持不變並且沒有任何變化，它也不影響model的准確性..直到現在一切都很好..但是當我不使用它時，變量發生了變化，它改變了 model 的精度，變量現在不同了，但它們仍然在同一個數據框中，我認為精度仍然是一樣的.. ML 中的工作方式是這樣的嗎？ 還是我錯過了什么？ 這是我的代碼。

X =df[["Mileage","Age(yrs)"]]
y=df["Sell Price($)"]

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2)

from sklearn.linear_model import LinearRegression
clf=LinearRegression()

clf.fit(X_train,y_train)
clf.predict(X_test)
>>>array([ 38014.9266005 ,  14240.40458389,  33695.58936258,  29870.44475795])

y_test

>>>3  40000
   8  12000
   1  34000
   4  31500


clf.score(X_test,y_test)
>>>0.97343231831177046

Answer 1

您提到的隨機 state 是來自 sklearn 模塊的參數。 它基本上告訴模塊以特定方式拆分。 通常使用隨機 state = 42。 使用時，訓練數據和測試數據以相同的方式拆分。 當您希望其他人測試您的 model 或每次都保持相同的拆分時，這非常有用。 我建議你使用隨機的 state = 42。