当random_state为None时，使用StratifiedShuffleSplit函数(scikit-learn)

Question

我正在执行交叉验证以正确分类。首先，我使用了scikit-learn中的StratifiedKfold函数。在某些时候，我想进行更多的迭代，我改成了StratifiedShuffleSplit。有了这个新功能，我获得的结果发生了变化。最后，我意识到，如果我指定一个random_state我会再次得到与我在CV中使用StratifiedKfold时获得的结果相似的结果。

总之，如果我指定random_state，对于不同的值，我得到的结果略有不同，类似于我使用 StratifiedKfold 获得的结果（一次迭代，或自己计算洗牌，如下所示）。但是，如果random_state为无或未指定，则我获得的结果完全改变。

我检查了当random_state为"无"时，训练和测试指标是不同的，并且是分层的，正如预期的那样。

我没有使用随机数生成器的经验，但这对我来说没有任何意义

查看代码，我意识到当random_state为None时，将调用函数check_random_state。如果种子为none，则此函数返回np.random（链接）使用的RandomState单例。

我给你写有问题的一段代码。如果我将注释行更改为下面的注释行，我会得到不同的结果。

import numpy as np
import sklearn as skl
(...)
#skCVs=skl.cross_validation.StratifiedShuffleSplit(classes,n_iter=iterations*kfoldCV,test_size = 1/float(kfoldCV),random_state=5)
skCVs=skl.cross_validation.StratifiedShuffleSplit(classes,n_iter=iterations*kfoldCV,test_size = 1/float(kfoldCV))
for train,test in skCVs:
   (classification, ...)

我使用的是 sklearn 的 0.14 版。

您有任何解释或线索可以帮助理解正在发生的事情吗？

Answer 1

（分层）ShuffleSplit在拆分之前随机洗牌数据。（伪）随机性由 random_state 构造函数参数控制。默认的None值意味着每个新调用将产生不同的随机播放。要获得确定性洗牌，您可以选择传递整数种子。

Answer 2

我也不是随机生成器的专家，但据我所知，如果您不定义random_state，则会调用不同的 RandomState 类型。 这是我找到的解释：

"如果种子是None，那么RandomState将尝试从/dev/urandom（或Windows模拟）读取数据（如果可用）或从时钟中读取种子。[1]

"如果大小是整数，则返回一个填充有生成值的一维数组。[1]

您可以在此处的"check_random_state"中看到调用的两个不同随机生成器的代码 [2]。

[1] http://docs.scipy.org/doc/numpy/reference/generated/numpy.random.RandomState.html

[2] https://github.com/scikit-learn/scikit-learn/blob/0.14.X/sklearn/utils/validation.py

这对你有帮助吗？