用于线性回归的"random_state“替代方案？

Question

本文采用线性回归、物流回归、决策树三种不同的算法来解决同一预测问题，并对它们的误差度量进行了比较。最初的问题是MAE、MSE和RMSE值随着每次运行而不断变化，这对我来说确实是个问题。建议的解决方案是使用random_state。

"random_state“参数适用于Logistic回归和决策树，但线性回归不接受此参数。在这种情况下，如何防止错误度量值的更改？对于线性回归，有什么替代"random_state“的方法吗？

Answer 1

答案很简单:你不需要它，因为不存在不同随机种子的局部最优。

因为一般在logistic回归问题中，存在一个全局最优。