各位大佬好，本人目前在用sklearn中LogisticRegression针对同一批样本数据（包括训练样本和测试样本，sklearn默认两个样本的比例为4:1）来训练一个回归模型，模型训练完后，应用于一批预测数据，计算各个预测数据的概率，最终进行分类，为什么针对同一批样本数据和同一批预测数据，没运行一次程序计算的概率和前几次计算的概率有很大出入？（例如，样本数据集A,利用sklearn从A训练一个模型M，预测数据集为C,第一次运行程序训练出模型M1，应用M1于C得到C中各个纪录的预测概率，但第二次再运行程序训练模型M2，因为样本数据没变，那么M2应该和M1的一样，应用M2于C来预测C中各个纪录的预测概率，但第二次预测的概率和第一次预测的概率有很大不同）因为是同一批样本数据，不是应该每次训练的模型的参数应该是相同，那么每次计算的预测数据的概率应该也是相同，为什么会出现每次计算的概率会不同的情况？求大佬解惑，万分感谢！
1个回答
sklearn.linear_model.LogisticRegression里有随机种子，每次运行前会随机打乱数据，你训练时要固定这个随机种子才能得到一样的模型，random_state自己随便用一个整数代替就好
from sklearn.linear_model import LogisticRegression
clf = LogisticRegression(penalty=’l2’, C=1.0, random_state=0)逻辑回归本身并没有特别复杂的设定，在LogisticRegression中只有penalty和C两个超参可以调整。具体数值可以通过交叉验证进行选择确定。
SofaSofa数据科学社区DS面试题库 DS面经
我小宋
2019-11-27 09:59
相关主题
sklearn里learning_rate什么意思？
2回答
当训练集只有一个特征的时候，sklearn的LinearRegression报错
1回答
sklearn错误ImportError: cannot import name 'joblib'
1回答
sklearn中的predict_proba方法的返回值的意义
2回答
sklearn中的Randomizedlogisticregression是什么算法？和SGDClassifier一样吗？
2回答
sklearn classification_report里的support是什么意思
1回答
我们谢绝在回答前讲“生动”的故事。
我们谢绝“这么简单，你自己想”、“书上有的，你认真看”这类的回答；如果你认为对方的提问方式或者内容不妥，你可以直接忽略该问题，不用进行任何作答，甚至可以对该问题投反对票。
我们谢绝答非所问。
我们谢绝自己不会、硬要回答。
我们感激每一个用户在编写答案时的努力与付出！