每次我运行代码时，sklearn 中的决策边界都会发生变化

Question

在 Udacity 的机器学习简介 class 中，我发现每次运行我的代码结果都会发生变化。正确的值是 acc_min_samples_split_2 = .908 和 acc_min_samples_split_2 = .912，但是当我运行我的脚本时，有时 acc_min_samples_split_2 = .912 的值也是如此。这发生在我的本地机器和 Udacity 的网络界面上。为什么会发生这种情况？

该程序使用 python 的 SciKit Learn 库。这是我写的代码的一部分：

def classify(features, labels, samples):
        # Creates a new Decision Tree Classifier, and fits it based on sample data 
        # and a specified min_sample_split value
    from sklearn import tree
    clf = tree.DecisionTreeClassifier(min_samples_split = samples)
    clf = clf.fit(features, labels)
    return clf

#Create a classifier with a min sample split of 2, and test its accuracy
clf2 = classify(features_train, labels_train, 2)
acc_min_samples_split_2 = clf2.score(features_test,labels_test)

#Create a classifier with a min sample split of 50, and test its accuracy
clf50 = classify(features_train, labels_train, 50)
acc_min_samples_split_50 = clf50.score(features_test,labels_test)

def submitAccuracies():
    return {"acc_min_samples_split_2":round(acc_min_samples_split_2,3),
      "acc_min_samples_split_50":round(acc_min_samples_split_50,3)}
print submitAccuracies()

Answer 1

scikit-learn 中的某些分类器具有随机性，使用一些 PRNG 在内部生成 random-numbers。

DecisionTree就是其中之一。检查文档并使用参数 random_state 使 random-behaviour 具有确定性。

只需创建您的 fit-object 就像：

clf = tree.DecisionTreeClassifier(min_samples_split = samples, random_state=0)  # or any other constant

如果您不提供 random_state 或某些 seed/integer，就像我上面的例子一样，PRNG 将由一些外部源（很可能基于 system-time) 在运行该脚本时会产生不同的结果。*

两次运行，共享代码和给定常量将表现相同（忽略一些病态 architecture/platform 东西）。

每次我运行代码时，sklearn 中的决策边界都会发生变化

Decision boundary changing in sklearn each time I run code

python

decision-tree

scikit-learn

每次我 运行 代码时，sklearn 中的决策边界都会发生变化

Decision boundary changing in sklearn each time I run code

python

decision-tree

scikit-learn

每次我运行代码时，sklearn 中的决策边界都会发生变化