为什么 RANSAC 回归结果的变化独立于输入？
Why do RANSAC regressor results change independent from input?
我一直认为机器学习的结果是不同的，因为每次预先随机打乱数据，导致不同的训练集。因此，当没有洗牌时，每次的结果都应该相同。与 sklearn.linear_model.LinearRegression() 的情况一样，但 sklearn.linear_model.RANSACRegressor() 显示不同的结果，即使它每次都以相同的顺序输入相同的训练数据。它不只是一个数学函数，结果不应该每次都一样吗？谁能解释一下，还是我的代码有误，我是不是错误地向它提供了不同的数据？
根据documentation，数据是随机选择的。
有些参数有提示，如random_state:
random_state : int, RandomState instance or None, optional, default None
The generator used to initialize the centers. If int, random_state is the seed used by the random number generator; If RandomState instance, random_state is the random number generator; If None, the random number generator is the RandomState instance used by np.random.
我一直认为机器学习的结果是不同的，因为每次预先随机打乱数据，导致不同的训练集。因此，当没有洗牌时，每次的结果都应该相同。与 sklearn.linear_model.LinearRegression() 的情况一样，但 sklearn.linear_model.RANSACRegressor() 显示不同的结果，即使它每次都以相同的顺序输入相同的训练数据。它不只是一个数学函数，结果不应该每次都一样吗？谁能解释一下，还是我的代码有误，我是不是错误地向它提供了不同的数据？
根据documentation，数据是随机选择的。
有些参数有提示，如random_state:
random_state : int, RandomState instance or None, optional, default
NoneThe generator used to initialize the centers. If int, random_state is the seed used by the random number generator; If RandomState instance, random_state is the random number generator; If None, the random number generator is the RandomState instance used by np.random.