种子选项：在 Python 中使用不同的机器学习包

Question

我想知道下面的代码是否会给出相同的结果。更具体地说，如果 random_state=0 与 seed = 0 相同：

-使用sklearn:

from sklearn.cross_validation import train_test_split
x = data['x']
y = data['y']
X_train,X_test,Y_train,Y_test = train_test_split(x,y,test_size = 0.2,random_state = 0)

-使用graphlab:

import graphlab
train_data,test_data = data.random_split(.8,seed=0)

据我所知graphlab在3.4版本中不可用（如果我错了请纠正我），所以我无法检查自己。谢谢

Answer 1

不，这两个库不会为这两个代码片段提供相同的结果。 scikit-learn 函数使用随机排列来打乱数据，然后将数据拆分为所需的分数。 SFrame.random_split 方法不同；它根据指定的分数从原始数据中随机抽取行。

不仅如此，两个库的随机数生成器不同，因此将随机状态和种子设置为相同的值不会有任何效果。

我用 GraphLab Create 1.7.1 和 Scikit-learn 0.17 验证了这一点。

import numpy as np
import graphlab as gl
from sklearn.cross_validation import train_test_split

sf = graphlab.SFrame(np.random.rand(10, 1))
sf = sf.add_row_number('row_id')

sf_train, sf_test = sf.random_split(0.6, seed=0)
df_train, df_test = train_test_split(sf.to_dataframe(),
                                     test_size=0.4,
                                     random_state=0)

sf_train 是：

+--------+-------------------+
| row_id |         X1        |
+--------+-------------------+
|   0    |  [0.459467634448] |
|   4    |  [0.424260273035] |
|   6    |  [0.143786736949] |
|   7    | [0.0871068666212] |
|   8    |  [0.74631952689]  |
|   9    |  [0.37570258651]  |
+--------+-------------------+
[6 rows x 2 columns]

而 df_train 看起来像：

   row_id                 X1
1       1   [0.561396445174]
6       6   [0.143786736949]
7       7  [0.0871068666212]
3       3   [0.397315891635]
0       0   [0.459467634448]
5       5   [0.033673713722]

绝对不一样

种子选项：在 Python 中使用不同的机器学习包

Seed options: Using different packages for machine learning in Python

python

scikit-learn

graphlab