sklearn的ParameterSampler中的random_state参数有什么作用？

Question

我正在尝试实现 sklearn 的 ParameterSampler，但我不完全确定

random_state

参数的作用。

我的猜测是，如果

random_state

设置为

None

，则使用正态随机抽样。如果

random_state

不是

None

，那么使用伪随机采样？

我也不确定不同的 int 值如何影响采样。例如，

random_state = 1

是否与

random_state = 2

不同？如果是的话，怎么办？

Answer 1

来自文档：

如果

random_state

是

None

或

np.random

，则返回随机初始化的

RandomState

对象。

如果

random_state

是一个整数，那么它用于播种新的

RandomState

对象。

如果

random_state

是一个

RandomState

对象，那么它会被传递。

基本上，通过设置

random_state

，您可以保证（伪）随机数生成器每次生成相同的随机整数序列，这反过来又会影响数据的采样方式。

Answer 2

random_state

不影响分布。它是一个使您能够获得一致结果的参数。如果将其设置为 1，则每次运行代码时都会得到相同的结果。如果将其设置为 2，也会发生这种情况（但可能与以前的值不同）。如果将其设置为“无”（默认值），则每次选择随机种子时，您都会得到不同的结果。

Answer 3

sklearn 中的这个

random_state 参数为函数的内部随机数生成器提供种子值。 如果我们为该种子值选择不同的值，这将导致训练和测试的随机分割不同。因此，如果我们想要每次获得相同的训练和测试分割，我们需要确保传递相同的随机状态参数值。所以它类似于 random.seed() 代码。

Answer 4

random_state 用于设置随机生成器的种子，以便您的训练测试数据分割始终是确定性的。如果不设置种子，每次都不一样。