ML.NET TrainTestSplit随机种子

Question

我在ML.NET中使用ML.NET，反复将我的数据集分割成一个训练和测试集。例如，sklearn中，对应的函数接受一个种子作为输入，因此可以获得不同的拆分，但是在ML.NET中，对TrainTestSplit的多次调用似乎返回相同的拆分。是否有可能改变TrainTestSplit使用的随机种子？

Answer 1

现在，TrainTestSplit没有随机的种子。在ML.NET中打开了一个bug来修复这个问题：https://github.com/dotnet/machinelearning/issues/1635

作为短期解决办法，我建议手动向数据视图中添加一个随机列，并将其作为stratificationColumn在TrainTestSplit中使用。

data = new GenerateNumberTransform(mlContext,  new GenerateNumberTransform.Arguments
                {
                    Column = new[] { new GenerateNumberTransform.Column { Name = "random" } },
                    Seed = 42 // change seed to get a different split
                }, data);
(var train, var test) = mlContext.Regression.TrainTestSplit(data, stratificationColumn: "random");

此代码将与ML.NET 0.7一起工作，我们将在0.8中修复种子。

Answer 2

到今天(ML.NET v1.0)，这个问题已经解决了。TrainTestSplit以一个seed作为输入，并通过设置samplingKeyColumnName来支持分层。

TrainTestSplit(IDataView data, double testFraction = 0.1, string samplingKeyColumnName = null, Nullable<int> seed = null);