sklearn DecisionTreeRegressor模型中为什么会有随机种子random_state？

这个问题是因为，学习一个最优决策树是一个NP问题。 所以实际应用中，生成决策树是基于启发式算法的，比如贪婪算法，贪婪算法可以在每个节点进行局部最优点求解，但它无法保证返回全局最优解。不论是random forest还是decision tree，贪婪算法会随机且多次抽取部分特征和样本，这个随机抽取过程可以通过random_state来决定。

顺便提一嘴，挺有名的教程《Hands-On Machine Learning with Scikit-Learn and TensorFlow》总是使用random_state=42, 当然实际中random_state可以选择任何一个数值。

Reference: 

1. stackoverflow 

2. scikit-learn decision tree

一个很类似的问题和解答

sklearn模块里的DecisionTreeClassifier为什么每次结果不同