sklearn中train_test_split函式中的random_state有什麼用？
阿新 • • 發佈：2021-01-21
我們先生成下面的訓練資料。
import numpy as np
from sklearn.model_selection import train_test_split
#生成訓練資料
x=np.linspace(1,8,8).reshape(4,2)
#生成標籤
label=list([1,0,1,1])
#列印看看
print(x)
print(label)
結果如下：
原始訓練資料x,原始訓練資料x對應的的標籤label。
我們開始劃分訓練資料，首先指定shuffle=True（這表示需要隨機的意思），然後配合random_state
random_state=2為例。
#對半0.5劃分訓練資料。
trainx,testx,lable1,label2=train_test_split(x,y,test_size=0.5,shuffle=True,random_state=2)
#列印看看
print(trainx)
print(testx)
結果如下：
1.劃分資料之後的trainx,testx。
我們再次執行上述程式碼，看一下列印的結果是否會發生變化。
結果如下：
2.重新執行之後的trainx,testx。
我們發現結果和上面是一樣的，也就是說，對於同一批資料，只要random_state 設定地一樣，那麼其結果也是一樣的，即結果可以被複現。
什麼是結果可以被複現？具體點。
結果可以被複現，意思是說：
A有一批資料D，他先做了一個隨機劃分（比如8：2的比例劃分），得到了訓練資料（8）和測試資料（2）。做了一個實驗，結果發現準確率非常高。
B聽了之後也要試試看，拿到A的原始資料D後，他也在他的電腦上按照（8：2）的比例劃分了原始資料，但實驗後發現準確率非常低。
怎麼回事？
因為A沒有把隨機狀態交給B，所以A和B雖然原始資料D是一樣的，但是隨機劃分後的資料就已經不一樣了。自然很有可能得到的結果千差萬別。
現在B想要復現A的實驗結果，有兩個辦法，一個就是叫A說一下他用的隨機狀態random_state
補充
如果要純隨機怎麼辦，即每次執行都不一樣？方法是不設定引數random_state，其相當於random_state=None（預設None）。
x1,x2,y1,y2=train_test_split(x,y,test_size=0.5,shuffle=True)
print(x1)
print(x2)
執行兩次，結果如下：
第一次：
第二次：
