je joue et AdaBoost régression forêt d'arbres décisionnels en pythonrésultats RandomizedSearchCV et GridsearchCV ne sont pas reproductibles
Mes résultats ne sont pas reproductibles [Ma prédiction des changements à chaque fois avec les mêmes courent le données et le code]
seed = np.random.seed(22)
rng = np.random.RandomState(1)
param_grid = {'n_estimators': [10, 100, 1000]}
model_rfr = GridSearchCV(RandomForestRegressor(random_state = rng), param_grid, cv=3, n_jobs=-1, verbose=1)
model_rfr.fit(train_x1,train_y1)
test_rfr = model_rfr.predict(test_y1)
param_grid = {"n_estimators":[100,500],"learning_rate":list(np.linspace(0.01,1,10)),"loss":["linear", "square", "exponential"]}
model_adr = RandomizedSearchCV(AdaBoostRegressor(DecisionTreeRegressor()), param_grid,n_jobs=-1,n_iter=10,cv=3,random_state = rng)
model_adr.fit(train_x1,train_y1)
test_adr = model_adr.fit(test_y1)
ici test_adr & Les valeurs de test_rfr changent, à chaque fois, je cours mon code.
Veuillez utiliser des exemples de données pour Régression. Mais s'il vous plaît suggérer comment rendre mon résultat reproductible.
++ Maintenant résultat Gridsearch est reproductible, suggérez pour –
RandomizedCV En outre, la méthode 'prédire()' doit être envoyé avec 'test_x1' alors que vous envoyez' test_y1', et la dernière ligne de votre code devrait être ' model_adr.predict() ', pas' model_adr.fit() ' –
AdaBoostRegressor et DecisionTreeRegressor ont également le paramètre' random_state'. Avec ces ensemble, je suis en mesure de reproduire les résultats –