我在一个Colab单元格中有以下代码：

import sklearn.datasetsimport pandas as pdimport numpy as npfrom sklearn.model_selection import train_test_splitfrom sklearn import metrics #Import scikit-learn metrics module for accuracy calculationimport sklearnfrom sklearn.ensemble import RandomForestClassifier#Create a Gaussian Classifierrfc=RandomForestClassifier(n_estimators=5, max_depth=3)iris_sklearn_ds=sklearn.datasets.load_iris()X_ndarray = iris_sklearn_ds.datay_ndarray = iris_sklearn_ds.target.astype(np.int32)X_ndarray_train,X_ndarray_test,y_ndarray_train,y_ndarray_test = train_test_split(X_ndarray,                                                 y_ndarray,                                                 test_size=0.30,                                                 random_state=42)#Train the model using the training sets y_pred=clf.predict(X_test)rfc.fit(X_ndarray_train,y_ndarray_train)y_pred=rfc.predict(X_ndarray_test)print("Accuracy RFC:",metrics.accuracy_score(y_ndarray_test, y_pred))print(metrics.confusion_matrix(y_ndarray_test, y_pred))

当我第一次执行这个单元格时，得到的结果是：

Accuracy RFC: 0.9333333333333333[[16  0  0] [ 0 14  0] [ 0  3 12]]

好吧，这还可以接受…但是当我第二次执行时，结果变为：

Accuracy RFC: 1.0[[16  0  0] [ 0 14  0] [ 0  0 15]]

能有人告诉我这是为什么吗？是缓存的问题还是别的什么？我需要重置某些东西吗？

回答：

你需要在调用RandomForestClassifier()时添加random_state参数，就像你在train_test_split()中所做的那样，因为这个分类器的部分操作依赖于随机性，而每次执行时的随机结果是不同的。