详解random_state参数的作用

前言

在机器学习库sklearn中，构建模型、生成随机数据集、拆分数据集时经常会看到random_state这个参数，例如：
data = make_blobs(n_samples=100, centers =2,random_state=9)//生成数据集时
X, y = make_regression(n_features=1,n_informative=1,noise=30,random_state=5)//构建模型
x_train, x_test, y_train,y_test=model_selection.train_test_split(x,y,test_size=0.2,random_state=0)//拆分数据集

一、设置随机种子作用

random_state 相当于随机数种子random.seed() 。random_state 与 random seed 作用是相同的。

1.未设置随机种子案例

     下面两段代码完全相同都没有设置 random seed。它每次取的结果就不同，它的随机数种子与当前系统时间有关。

import random
for i in range(10):print(random.randint(1,100))

95 53 39 3 97 76 88 22 93

for i in range(10):print(random.randint(1,100))

60 82 36 69 87 100 55 36 8 40 44

2.设置随机种子案例

    下面这两段代码设置了相同的 random seed（789），它们取的随机数就完全相同，多运行几次也是这样。

import random
random.seed(789)for i in range(10):print(random.randint(1,100))

62 91 82 5 63 18 51 69 40 68

random.seed(789)for i in range(10):print(random.randint(1,100))

62 91 82 5 63 18 51 69 40 68
设置了随机种子的值后，那么当别人重新运行你的代码的时候就能得到完全一样的结果，复现和你一样的过程。

二、randstate的应用

random_state可以用于很多函数，我比较熟悉的是用于以下三个地方：1、训练集测试集的划分 2、构建机器学习模型 3、生成数据集

1. 划分训练集和测试集的类train_test_split

 随机数种子控制每次划分训练集和测试集的模式，其取值不变时划分得到的结果一模一样，其值改变时，划分得到的结果不同。若不设置此参数，则函数会自动选择一种随机模式，得到的结果也就不同。```c

ate_unverified_context

2.构建机器学习模型

clf = tree.DecisionTreeClassifier(criterion="entropy",random_state=30,splitter="random")

 其取值不变时，用相同的训练集建树得到的结果一模一样，对测试集的预测结果也是一样的；
 其值改变时，得到的结果不同；
 若不设置此参数，则函数会自动选择一种随机模式，每次得到的结果也就不同。

3.生成数据集

未设置random_state随机种子值的数据集，同一段代码连续执行两次结果如下图所示，可以看到两次生成不同的数据集。

#导入必要的库
from sklearn.datasets import make_blobs
from sklearn.neighbors import KNeighborsClassifier
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
#生成一个数据集
#根据给定的参数生成数据，主要用来测试代码性能（没有实际数据的情况下）
data =make_blobs(n_samples=100, centers =2)#没有设置随机种子
#将特征和标签赋值给X和y
X, y = data
#使用散点图进行可视化
plt.scatter(X[y==1,0], X[y==1,1], cmap=plt.cm.spring, edgecolor='k',marker='^')
plt.scatter(X[y==0,0], X[y==0,1], cmap=plt.cm.spring, edgecolor='k',marker='o')
#显示图像
plt.show()

设置了random_state随机种子值的数据集，同一段代码连续执行两次结果如下图所示，可以看到两次生成相同的数据集。

#导入必要的库
from sklearn.datasets import make_blobs
from sklearn.neighbors import KNeighborsClassifier
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
#生成一个数据集
#根据给定的参数生成数据，主要用来测试代码性能（没有实际数据的情况下）
data =make_blobs(n_samples=100, centers =2,random_state=9)#设置随机种子random_state
#将特征和标签赋值给X和y
X, y = data
#使用散点图进行可视化
plt.scatter(X[y==1,0], X[y==1,1], cmap=plt.cm.spring, edgecolor='k',marker='^')
plt.scatter(X[y==0,0], X[y==0,1], cmap=plt.cm.spring, edgecolor='k',marker='o')
#显示图像
plt.show()

提示：这里random_state的值是随机选取的，没有固定规律，只要保证取值一致，就可以得到完全一样的结果。

总结

在需要设置random_state的地方给其赋一个值，当多次运行此段代码能够得到完全一样的结果，别人运行此代码也可以复现你的过程。若不设置此参数则会随机选择一个种子，执行结果也会因此而不同了。虽然可以对random_state进行调参，但是调参后在训练集上表现好的模型未必在陌生训练集上表现好，所以一般会随便选取一个random_state的值作为参数。
参考网址：
https://www.jianshu.com/p/4deb2cb2502f
https://www.shuzhiduo.com/A/RnJW4yYw5q/