機器學習中的random_state引數
作用：控制隨機狀態。
原因：為什麼需要用到這樣一個引數random_state（隨機狀態）？
在此先簡單羅列三種情況：
1、在構建模型時：
forest = RandomForestClassifier(n_estimators=100, random_state=0)
forest.fit(X_train, y_train)
2、在生成資料集時：
X, y = make_moons(n_samples=100, noise=0.25, random_state=3)
3、在拆分資料集為訓練集、測試集時：
X_train, X_test, y_train, y_test = train_test_split(
cancer.data, cancer.target, stratify=cancer.target, random_state=42)
如果不設定random_state的話會怎樣？
例如1中，每次構建的模型是不同的。
例如2中，每次生成的資料集是不同的。
例如3中，每次拆分出的訓練集、測試集是不同的。
之所以會這樣，是因為模型的構建、資料集的生成、資料集的拆分都是一個隨機的過程。
如果你希望結果可以重現，固定random_state是非常重要的。
對於隨機森林這個模型，它本質上是隨機的，設定不同的隨機狀態（或者不設定random_state引數）可以徹底改變構建的模型。
對於資料集的生成，它本質上也是隨機的，設定不同的隨機狀態（或者不設定random_state引數）可以徹底改變生成的資料集。
對於資料集的拆分，它本質上也是隨機的，設定不同的隨機狀態（或者不設定random_state引數）可以徹底改變拆分的結果。
固定random_state後，每次構建的模型是相同的、生成的資料集是相同的、每次的拆分結果也是相同的。
比如在sklearn KFold()中：
KFold(n_splits=’warn’, shuffle=False, random_state=None)
引數:
n_splits 表示劃分為幾塊（至少是2）
shuffle 表示是否打亂劃分，預設False，即不打亂
random_state 表示是否固定隨機起點，Used when shuffle == True.
random_state : int, RandomState instance or None, optional, default=None
If int, random_state is the seed used by the random number generator;
If RandomState instance, random_state is the random number generator;
If None, the random number generator is the RandomState instance used by `np.random`.
Only used when ``shuffle`` is True. This should be left to None if ``shuffle`` is False.
比如在sklearn的train_test_split中：
我們在使用sklearn的train_test_split函式隨機劃分資料集生成training set 於test set時，在函式train_test_split中有一個引數為random_state。
random_state：隨機數種子——其實就是該組隨機數的編號，在需要重複試驗的時候，保證得到一組一樣的隨機數。比如每次都為1，其他引數一樣的情況下你得到的隨機陣列是一樣的。當為None時，產生的隨機陣列也會是隨機的。
隨機數的產生取決於種子，隨機數和種子之間的關係遵從以下兩個規則：種子不同，產生不同的隨機數；種子相同，即使例項不同也產生相同的隨機數。
引數test_size：如果是浮點數，在0-1之間，表示test set的樣本佔比；如果是整數的話就表示test set樣本數量。
test_size只是確定training set於test set的各自所佔比例或者數量，並沒有確定資料的劃分規則。比如我們有資料集[1,2,3,4,5,6,7,8,9],我們確定test_size=3,那問題是我們應該取哪三個數作為test set呢，這時候就應該使用random_state來確定我們的劃分規則，假設我們取random_state=1，它按一定的規則去取出我們的資料，當我們random_state=2時，它又換成另一種規則去取我們的資料，random_state的取值範圍為0-2^32。當random_state=None時，可以理解為隨機分配一個整數給random_state，這樣就導致每次執行的結果都可能不同。
其他函式中的random_state引數功能是類似的。