python - 为什么GridSearchCV在重复运行时会给出不同的最优值？

我正在使用GridSearchCv（python中的sklearn软件包）执行参数选择，其中模型是具有Logistic损失（即具有L1-和L2-范数正则化惩罚的Logistic回归）的Elastic Net。我正在使用SGDClassifier来实现此模型。我对搜索以下两个最佳值感兴趣，有两个参数：alpha（乘以正则化项的常数）和l1_ratio（Elastic Net混合参数）。我的数据集约有30万行。我将模型初始化如下：
sgd_ela = SGDClassifier(alpha=0.00001, fit_intercept=True, l1_ratio=0.1,loss='log', penalty='elasticnet')
和搜索fxn。如下：
GridSearchCV(estimator=sgd_ela, cv=8, param_grid=tune_para)，
具有调整参数：
tune_para = [{'l1_ratio': np.linspace(0.1,1,10).tolist(),'alpha':[0.00001, 0.0001, 0.001, 0.01, 0.1, 1]}]。

运行代码后，我得到了best_params（分别为alpha和l1_ratio）。但是，在重复运行中，我没有得到相同的最佳参数集。我很想知道为什么会这样，如果可能的话，我该如何克服呢？

最佳答案

如果您想每次都获得相同的结果，请尝试设置随机种子。

关于python - 为什么GridSearchCV在重复运行时会给出不同的最优值？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/41215169/