Я использую конвейер для выбора функций и оптимизации гиперпараметров с помощью RandomizedSearchCV
. Вот краткое изложение кода:
from sklearn.cross_validation import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.feature_selection import SelectKBest
from sklearn.grid_search import RandomizedSearchCV
from sklearn.pipeline import make_pipeline
from scipy.stats import randint as sp_randint
rng = 44
X_train, X_test, y_train, y_test =
train_test_split(data[features], data['target'], random_state=rng)
clf = RandomForestClassifier(random_state=rng)
kbest = SelectKBest()
pipe = make_pipeline(kbest,clf)
upLim = X_train.shape[1]
param_dist = {'selectkbest__k':sp_randint(upLim/2,upLim+1),
'randomforestclassifier__n_estimators': sp_randint(5,150),
'randomforestclassifier__max_depth': [5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, None],
'randomforestclassifier__criterion': ["gini", "entropy"],
'randomforestclassifier__max_features': ['auto', 'sqrt', 'log2']}
clf_opt = RandomizedSearchCV(pipe, param_distributions= param_dist,
scoring='roc_auc', n_jobs=1, cv=3, random_state=rng)
clf_opt.fit(X_train,y_train)
y_pred = clf_opt.predict(X_test)
Я использую константу random_state
для train_test_split
, RandomForestClassifer
и RandomizedSearchCV
. Однако результат приведенного выше кода немного отличается, если я запускаю его несколько раз. В частности, в моем коде есть несколько тестовых блоков, и эти немного разные результаты приводят к сбою тестовых блоков. Разве я не должен получить те же результаты из-за использования одного и того же random_state
? Я что-то упустил в своем коде, что создает случайность в части кода?