为什么RANSAC回归器的结果会独立于输入而变化?

我一直认为机器学习结果的不同是因为数据每次都会被随机打乱,从而导致不同的训练集。因此,如果不进行打乱,理论上每次的结果应该是一样的。正如sklearn.linear_model.LinearRegression()的情况那样,但sklearn.linear_model.RANSACRegressor()即使每次输入相同顺序的训练数据,结果仍然不同。难道它不只是一个数学函数吗?每次的结果不应该都是一样的吗?能有人解释一下吗,或者是我代码里有错误,导致我错误地输入了不同的数据?


回答:

根据文档,数据是被随机选择的。

在一些参数中,如random_state,有这样的提示:

random_state : int, RandomState instance或None,可选,默认None

用于初始化中心的生成器。如果是int,random_state是随机数生成器使用的种子;如果是RandomState实例,random_state就是随机数生成器;如果是None,随机数生成器是np.random使用的RandomState实例。

Related Posts

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注