Python sklearn RandomForestClassifier再現性のない結果

Question

私はsklearnのランダムフォレストを使用しています。私はいくつかのモデルを比較しようとしました。それから、ランダムフォレストがと同じシードの異なる結果を与えていることに気付きました。私はそれを両方の方法で試しました：random.seed（1234）とランダムフォレストの組み込みrandom_state = 1234 どちらの場合でも、私は反復不可能な結果を​​得ます。私は何を逃したのですか...？

# 1 
random.seed(1234) 
RandomForestClassifier(max_depth=5, max_features=5, criterion='gini', min_samples_leaf = 10) 
# or 2 
RandomForestClassifier(max_depth=5, max_features=5, criterion='gini', min_samples_leaf = 10, random_state=1234) 

ありがとう!!

EDIT： あなたが必要なモジュールの最新バージョン（例えばscipyのダウンロード、numpyのなど）を持っていることを確認してください私のコード

clf = RandomForestClassifier(max_depth=60, max_features=60, \ 
         criterion='entropy', \ 
         min_samples_leaf = 3, random_state=seed) 
# As describe, I tried random_state in several ways, still diff results 
clf = clf.fit(X_train, y_train) 

predicted = clf.predict(X_test) 
predicted_prob = clf.predict_proba(X_test)[:, 1] 
fpr, tpr, thresholds = metrics.roc_curve(np.array(y_test), predicted_prob) 
auc = metrics.auc(fpr,tpr) 
print (auc) 

Answer 1

初のより完全なバージョンを追加。

random.seed(1234)と入力すると、numpyジェネレーターが使用されます。 int型、RandomStateインスタンスまたはなし：あなたはRandomForestClassifier内部random_stateパラメーターを使用すると

---

は、いくつかのオプションがあります。ドキュメントhereから

---

：

• INT、random_stateは、乱数生成器によって使用される種である場合、

• RandomStateインスタンスの場合、random_stateは乱数ジェネレータです。

• Noneの場合、乱数ジェネレータはnp.randomで使用されるRandomStateインスタンスです。

---

両方の場合で同じ発生器を使用する方法は以下の通りです。私は両方の場合で同じ（numpy）ジェネレータを使用し、私は再現可能な結果を​​得ます（どちらの場合も同じ結果）。

from sklearn.ensemble import RandomForestClassifier 
from sklearn.datasets import make_classification 
from numpy import * 

X, y = make_classification(n_samples=1000, n_features=4, 
         n_informative=2, n_redundant=0, 
         random_state=0, shuffle=False) 

random.seed(1234) 
clf = RandomForestClassifier(max_depth=2) 
clf.fit(X, y) 
print(clf.predict(X)) 

clf2 = RandomForestClassifier(max_depth=2, random_state = random.seed(1234)) 
clf2.fit(X, y) 
print(clf2.predict(X)) 

clf.predict(X) == clf2.predict(X) 

または

sum(clf.predict(X) == clf2.predict(X)) 

---

結果

#how many trues do we have? Should be equal to the number of samples (1000) 
1000 

Answer 2

[OK]を、最終的にそれを解決したものを、conda環境を再インストールされます。なぜ私は別の結果が起こったのかまだ分かりません。ありがとう