我有一个使用 sklearn 随机森林并固定 random_state = 0 的 Python 脚本。它在同一台电脑（系统）上总是产生确定性的结果，但是当我换到另一台电脑时，结果却不同。

有没有办法让它在不同系统上保持确定性？如何在另一台机器上生成与第一台机器相同的结果？

这个脚本很复杂而且很长，所以我不会分享代码，但我认为问题出在随机森林的 random_state 上，因为当我尝试使用 KNN 代替 RF 时，结果是相同的

回答：

sklearn.neighbors.KNeighborsClassifier 使用你训练数据中的所有观测值，而顾名思义，sklearn.ensemble.RandomForestClassifier 随机使用数据，因此你可以预期随机森林在每次迭代中会产生不同的结果。现在谈到在不同系统上使用它，这是一个棘手的问题，但你可以尝试以下方法（虽然我还没有测试过）。

1). 使用某个 random_state 在你的数据上拟合一个随机森林模型，比如 random_state = 0

2). 导入 pickle，创建一个名为 rf.pkl 的 pickle 对象，它将被保存到你的当前工作目录中。

3). 将当前的随机森林模型对象转储到 pickle 对象中。

import pickle
pkl = 'rf.pkl'
with open(pkl,'wb') as file:
    pickle.dump(rf,file)

4). 将 pickle 对象文件分享给另一个用户/系统。

5). 将 pickle 对象存储在某个位置，并将其设置为工作目录。

6). 在该系统上打开 Python，运行你的 Python 代码来读取数据。

7). 不要创建新的模型，而是使用以下代码行加载 pickled 模型：

with open(pkl,'rb') as file:
    pkl_model = pickle.load(file)

8). 测试你的 pickled 模型是否工作，并是否产生与在另一系统上相同的结果。

我还没有测试这种方法，但我认为你应该尝试一下，并告诉我是否有效。祝好运！！