如何在train_test_split中选择RandomState？

Question

我了解如何使用随机状态将数据随机分为训练集和测试集。正如预期的那样，我的算法每次修改时都会给出不同的精度。现在我必须在我的大学里提交一份报告，我无法理解在那里提到的最终准确性。我应该选择我得到的最大精度吗？或者我应该用不同的随机状态运行它，然后取它的平均值？还是别的什么？在

Answer 1

最好的方法是取平均精度。。。但是 如果您基于特定的数据集分割训练模型以产生最佳分类（可能被认为是过度拟合），那么您可以获得最佳精度。让我详细说明一下：

您可以训练模型进行几次迭代，测试和训练集合的精确度会有所不同，但会呈上升趋势（精确度会上升） 你可以训练模型进行多次迭代，只有在迭代精度提高的情况下才可以更新权重，从而构造出最好的模型。。。在

但是您应该注意观察测试集的准确度以避免过度拟合，即当模型能够以非常高的准确度超过训练集，但相对于测试集，准确度非常低

在开始时，模型将学习并且（测试和训练）精度都将提高，经过大量训练后，训练精度将提高（或保持不变），但测试精度将下降

您可以查看this进一步阅读

我建议您看看k-fold cross validation，我认为这种方法最适合这种情况

Answer 2

就我个人而言，我将random_state设置为一个特定的数字（通常是42），因此，如果我看到程序精度的变化，我就知道这是由数据分割方式引起的而不是。在

然而，这可能导致我的网络过度适应那个特定的分割。一、 我对我的网络进行了优化，使它能很好地适应这种分割，但不一定要在不同的分割上工作。因此，我认为在提交代码时最好使用一个随机种子，这样审阅者就知道您没有过度适应特定的状态。在

要使用sklearn.train_test_split完成此操作，您可以简单地不提供random_state，它将使用np.random随机选择一个。在