python - 每次运行时分类报告都会发生变化

Question

我使用下面的代码来获取分类模型的confusion matrix和classification report，但每次运行结果都会发生变化！为什么会发生，我该如何解决？

import pandas as pd
import numpy as np
from sklearn.svm import SVC
from sklearn.metrics import classification_report, confusion_matrix

bankdata = pd.read_csv("bill_authentication.csv")

X = bankdata.drop('Class', axis=1)
y = bankdata['Class']

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.20)

svclassifier = SVC(kernel='rbf')
svclassifier.fit(X_train, y_train)
y_pred = svclassifier.predict(X_test)

print(confusion_matrix(y_test,y_pred))
print(classification_report(y_test,y_pred))

标签： pythonscikit-learnclassificationconfusion-matrix

Answer 1

您需要设置random_states为train_test_split. 如果不设置它，每次运行都会获得不同的随机状态。导致不同的火车测试分裂。从而为您的分类器产生不同的输入，这可能（并且在您的情况下是）导致结果不同。

因此，例如，如果您将 random_state 设置为固定值，您将在运行之间获得相同的结果，因此请更改为这行代码。您设置的精确值random_state无关紧要，只要它在运行之间是相同的。

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.20, random_state=1)

您也可以设置 random_state ，SVC但仅当probability参数设置为时才起作用True。默认情况下设置为False，因此它不应该影响您的情况。