如何从加载的 XGBClassifier 模型接收相同的预测？

Question

似乎每次我重新运行用于对相同测试数据进行预测的 Python 脚本（无需重新训练模型）时，我都会收到不同的预测结果。即使在训练前在模型上设置种子参数之后也会发生这种情况。

我训练模型并将其保存在笔记本中，如下所示。

model = xgboost.XGBClassifier(n_estimators=100, max_depth=8, n_jobs=-1, eval_metric='auc', seed=42)
model.fit(X_train, y_train)
model.save_model("../models/xgbclassifier_01.txt")

从那里，我将此模型加载到另一个脚本中并对新的输入数据进行预测

clf = xgb.XGBClassifier()
clf.load_model(path)
state_pred1 = clf.predict(X_test)

# load and predict again to show that results are the same
clf2 = xgb.XGBClassifier()
clf2.load_model(path)
state_pred_2 = clf2.predict(X_test)

state_pred1 的结果等于state_pred2。

问题在于，每当我重新运行测试脚本时，我都不会重新训练模型，但我仍然会收到不同的预测值（state_pred1 和 state_pred2 仍然相等）。

有没有办法确保每次运行脚本时都能收到相同的预测？或者 XGBClassifier 模型的 .predict() 方法中是否存在随机参数，每次重新运行加载 XGB 模型的脚本时都会在预测中引入一些随机性？

Answer 1

通过确保特征列在训练和预测之间保持相同来解决问题 - 在预测脚本开始的数据准备过程中，特征的顺序意外地被打乱了。