Scikit学习SGDClassifier:查准率和召回，每次更改值

Question

我有一个关于科学知识学习中的精确性和回忆价值的问题。我使用函数SGDClassifier对我的数据进行分类。为了评估性能，我使用了查准率和召回函数precision_recall_fscore_support，但是每次我运行程序时，在精度和召回矩阵中都有不同的值。我怎么能拥有真正的价值观？我的代码是：

scalerI = preprocessing.StandardScaler()
X_train = scalerI.fit_transform(InputT)
X_test = scalerI.transform(InputCross)
clf = SGDClassifier(loss="log", penalty="elasticnet",n_iter=70)
y_rbf = clf.fit(X_train,TargetT)
y_hat=clf.predict(X_test)
a= clf.predict_proba(X_test)
p_and_rec=precision_recall_fscore_support(TargetCross,y_hat,beta=1)

谢谢

Answer 1

在文档中，SGDClassifier有一个初始化为None的random_state参数，这是一个用于随机数生成器的种子值。您需要修正这个值，以便结果是可重复的，因此设置random_state=0或任何您想要的最喜欢的数字。

clf = SGDClassifier(loss="log", penalty="elasticnet",n_iter=70, random_state=0)

应该为每次运行产生相同的结果。

从医生那里：

random_state : int种子、RandomState实例或无(默认)伪随机数生成器的种子，以便在对数据进行洗牌时使用。