python - 每次我运行RandomForestRegressor都会得到不同的结果

我使用以下代码希望实现确定性：

from sklearn.ensemble import RandomForestRegressor
np.random.seed(0)
import random
random.seed(0)

rf = RandomForestRegressor(n_estimators=1000, criterion='mse', min_samples_leaf=4)

但是我的结果不是确定性的。为什么会这样，我该如何解决？

最佳答案

在random_state中使用RandomForestRegressor参数：

from sklearn.ensemble import RandomForestRegressor

rf = RandomForestRegressor(n_estimators=1000, criterion='mse', min_samples_leaf=4,
                           random_state= 0)

这应该每次都返回相同的结果。




  Scikit-learn不使用自己的全局随机状态；每当一个
  没有提供RandomState实例或整数随机种子作为
  参数，它依赖于可以设置的numpy全局随机状态
  使用numpy.random.seed




话虽这么说，在导入np.random.seed()之前添加RandomForestRegressor也可以解决问题。

资料来源：http://scikit-learn.org/stable/faq.html#how-do-i-set-a-random-state-for-an-entire-execution