每次运行时分类报告都会发生变化

Question

我用下面的代码得到了分类模型的confusion matrix和classification report，但是每次运行结果都会变化！为什么会发生，我该如何解决？

import pandas as pd
import numpy as np
from sklearn.svm import SVC
from sklearn.metrics import classification_report, confusion_matrix

bankdata = pd.read_csv("bill_authentication.csv")

X = bankdata.drop('Class', axis=1)
y = bankdata['Class']

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.20)

svclassifier = SVC(kernel='rbf')
svclassifier.fit(X_train, y_train)
y_pred = svclassifier.predict(X_test)

print(confusion_matrix(y_test,y_pred))
print(classification_report(y_test,y_pred))

Answer 1

您需要为train_test_split 设置random_states。如果不设置它，每次运行都会获得不同的随机状态。导致不同的火车测试拆分。从而导致分类器的输入不同，这可能（在您的情况下是）导致结果不同。

因此，例如，如果您将 random_state 设置为固定值，您将在两次运行之间得到相同的结果，因此请更改为这行代码。您设置的精确值 random_state 无关紧要，只要它在两次运行之间相同即可。

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.20, random_state=1)

您也可以为SVC 设置random_state，但这仅在probability 参数设置为True 时起作用。默认设置为False，因此它不会影响您的情况。