每次运行得到不同的值。我在这里做错了什么？

import numpy as npfrom sklearn.ensemble import RandomForestClassifierfrom sklearn.model_selection import StratifiedKFold, cross_val_scoreX = np.random.random((100,5))y = np.random.randint(0,2,(100,))cross_val_score = RandomForestClassifier()cv = StratifiedKFold(y, random_state=1)s = cross_val_score(cross_val_score, X, y,scoring='roc_auc', cv=cv)print(s)# [ 0.42321429  0.44360902  0.34398496]s = cross_val_score(cross_val_score, X, y, scoring='roc_auc', cv=cv)print(s)# [ 0.42678571  0.46804511  0.36090226]

回答：

您犯的错误是调用了RandomForestClassifier，它的默认参数random_state是None。因此，它会使用np.random生成的种子来产生随机输出。

在StratifiedKFold和RandomForestClassifier中，random_state需要相同，才能产生相同的交叉验证得分数组。

示例说明：

X=np.random.random((100,5))y=np.random.randint(0,2,(100,))clf = RandomForestClassifier(random_state=1)cv = StratifiedKFold(y, random_state=1)        # 在这里设置random_state不是必须的s = cross_val_score(clf, X,y,scoring='roc_auc', cv=cv)print(s)##[ 0.57612457  0.29044118  0.30514706]print(s)##[ 0.57612457  0.29044118  0.30514706]

另一种解决方法是不为RFC和SKF提供random_state参数，而只是在开始时使用np.random.seed(value)来创建随机整数。这样也能在输出中产生相同的数组。