train_test_split random_state不起作用；每次都产生不同的输出

Question

因此，我一直在对一组数据使用KNN，在train_test_split阶段的random_state = 4。尽管使用了随机状态，但准确性，分类报告，预测等的输出每次都不同。想知道为什么会这样吗？

这里是数据的开头：（根据all_time_runs和顺序预测位置）

order position  all_time_runs
0     10   NO BAT           1304
1      2  CAN BAT           7396
2      3   NO BAT           6938
3      6  CAN BAT           4903
4      6  CAN BAT           3761

这是分类和预测的代码：

#splitting data into features and target

X = posdf.drop('position',axis=1)
y = posdf['position']   


knn = KNeighborsClassifier(n_neighbors = 5)

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.3, random_state = 42)

#fitting the KNN model
knn.fit(X_train, y_train)

#predicting with the model
prediction = knn.predict(X_test)

#knn score
score = knn.score(X_test, y_test)

Answer 1

尽管train_test_split有一个与之相关的随机因素，必须解决它以避免产生随机结果，这不是您应该解决的唯一因素。

KNN是一个模型，它接受测试集的每一行，找到最接近的k训练集向量，并根据多数决定对它进行分类，即使是平局，该决定也是随机的。您需要set.seed(x)，以确保该方法是可复制的。

Documentation状态：

基于邻居的分类是基于实例的学习或非一般性学习的一种：它不尝试构建一般的内部模型，而只是存储训练数据的实例。分类是通过每个点的最近邻居的简单多数投票计算得出的：向查询点分配的数据类在该点的最近邻居内具有最多的代表。