scikit-learn - 关于通过将 random_state 值设置为整数来生成最佳决策树的困惑？

Question

从这里的讨论开始 ，对 scikit learn 的决策树中的 random_state 感到困惑

因为我将我的 random_state 设置为 1，所以我确实有一致的指标，因为我每次都生成相同的树。但是当random_state设置为default-->none时，那么每次生成的不同树有不同的性能指标，有的比其他的好，有的更差。那么我们如何获得最好的指标，或者换句话说，如何找出为随机状态设置的 int 值，这将为我提供具有最佳准确性和 kappa 统计数据的树。

标签： scikit-learnclassificationdecision-tree

Answer 1

您不应该优化random_state. 通常，如果您希望其他人得出与您完全相同的数字（例如，复制数字等），您不希望将其分开。

让我们举一个例子来说明为什么你不应该这样做。做一个实验，在其中执行 K 折交叉验证。每个拆分都会导致不同的模型（示例中的树）。

如果我选择在此交叉验证中找到的最佳模型，我的结论将过于乐观。相反，我应该查看平均性能和波动。这些变化确实会告诉我为我的模型提供不同数据的影响是什么。它们还可以让我快速了解 2 个模型之间的性能差异是否显着：例如 2 个模型的平均性能差异为 0.01 和 std。开发。0.1 不应让您得出结论认为有一个模型比另一个更好。

关于该主题还有其他答案：https ://stats.stackexchange.com/a/264008/121348