对random_state参数感到困惑，不确定为什么决策树训练需要一些随机性。我的想法如下：

1. 它是否与随机森林有关？
2. 它是否与分割训练测试数据集有关？如果是，为什么不直接使用训练测试分割方法（http://scikit-learn.org/stable/modules/generated/sklearn.cross_validation.train_test_split.html）？

http://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html

from sklearn.datasets import load_irisfrom sklearn.cross_validation import cross_val_scorefrom sklearn.tree import DecisionTreeClassifierclf = DecisionTreeClassifier(random_state=0)iris = load_iris()cross_val_score(clf, iris.data, iris.target, cv=10)...                             ...array([ 1.     ,  0.93...,  0.86...,  0.93...,  0.93...,        0.93...,  0.93...,  1.     ,  0.93...,  1.      ])

回答：

这在文档中有解释

学习最优决策树的问题已知在多种最优性方面是NP完全的，即使对于简单的概念也是如此。因此，实际的决策树学习算法基于启发式算法，如在每个节点上做出局部最优决策的贪婪算法。这些算法无法保证返回全局最优的决策树。这可以通过在集成学习器中训练多个树来缓解，其中特征和样本是随机抽样并替换的。

因此，基本上，一个次优的贪婪算法会使用随机选择的特征和样本重复多次（这与随机森林中使用的技术类似）。random_state参数允许控制这些随机选择。

接口文档明确指出：

如果是整数，random_state 是随机数生成器使用的种子；如果是 RandomState 实例，random_state 是随机数生成器；如果是 None，随机数生成器是 np.random 使用的 RandomState 实例。

因此，随机算法在任何情况下都会被使用。传递任何值（无论是特定的整数，例如0，还是RandomState实例），都不会改变这一点。传递整数值（0或其他）的唯一理由是使结果在调用之间保持一致：如果你使用random_state=0（或任何其他值）调用它，那么每次都会得到相同的结果。