随机森林回归 - 不可再现

Question

我正在尝试检查N_Estimators实施的随机森林回归绩效。

seed = np.random.seed(1962)
rng = np.random.RandomState(1962)
np.random.seed(1962)
estimators = [pow(2,3),10,pow(2,4),pow(2,5),pow(2,6),pow(2,7),pow(2,8),500,pow(2,9),pow(2,10),pow(2,11)]
#oob_train = {}
train_acc = {}
test_acc = {}
for w in range(0,len(estimators),1):
    modelrfe = RandomForestRegressor(n_estimators = estimators[w],random_state=rng, n_jobs = -1)
    model_params = estimators[w]
    modelrfe.fit(train_x1,train_y1)
    train_acc[model_params] = mean_absolute_error(scale_data.inverse_transform(train_y1.reshape(-1,1)),scale_data.inverse_transform(modelrfe.predict(train_x1).reshape(-1,1)))
    test_acc[model_params] = mean_absolute_error(scale_data.inverse_transform(test_y1.reshape(-1,1)),scale_data.inverse_transform(modelrfe.predict(test_x1).reshape(-1,1)))

train_acc = pd.DataFrame(train_acc.items())
train_acc.columns = ['keys','Trainerror']
test_acc = pd.DataFrame(test_acc.items())
test_acc.columns = ['keys','Testerror']
error_df3 = pd.merge(train_acc, test_acc, on='keys')
error_df3 = pd.DataFrame(error_df3)

不可再现我也在开始时定义了RNG。

注意：想象一下1：nrow（dataframe）的循环循环，它通过多个模型＆amp;我已经定义了RNG＆amp;在for循环的开头。

帮我！。

2样品输出，应该是理想情况下。这里的键参考 n_estimators

[在此处输入图像描述] [仿真1][在此处输入图像描述] [仿真2]

Answer 1

请找到答案：

错误：我正在使用rng = A Randomstate Instance [ np.random.RandomState(1962)]

理想情况下，我应该在Random_state变量中提及int的种子价值。

即rng = 1962播种随机实例。

然后，我们应该继续使用模型中的Random_State进行可重复性。