confus au sujet de random_state dans l'arbre de décision de scikit learn

Confus au sujet de random_state paramètre, ne sais pas pourquoi d'arbre de décision, les besoins de formation du hasard. Mes pensées, (1) est-il lié à la forêt au hasard? (2) est-il lié à la scission de formation jeu de données de test? Si oui, pourquoi ne pas utiliser la formation d'essais méthode de fractionnement directement (http://scikit-learn.org/stable/modules/generated/sklearn.cross_validation.train_test_split.html)?

http://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html

>>> from sklearn.datasets import load_iris
>>> from sklearn.cross_validation import cross_val_score
>>> from sklearn.tree import DecisionTreeClassifier
>>> clf = DecisionTreeClassifier(random_state=0)
>>> iris = load_iris()
>>> cross_val_score(clf, iris.data, iris.target, cv=10)
...                             
...
array([ 1.     ,  0.93...,  0.86...,  0.93...,  0.93...,
        0.93...,  0.93...,  1.     ,  0.93...,  1.      ])

ce qui concerne,
Lin

Cette question appartient à stats.stackexchange.com
Merci @Merlin, pourquoi? 🙂
DONC, est de la programmation, de regarder de Près. raisons pour Hors-sujet..

OriginalL'auteur Lin Ma | 2016-08-26

  1. 13

    Ceci est expliqué dans la documentation

    Le problème de l'apprentissage d'une décision optimale de l'arbre est connu pour être NP-complet sous plusieurs aspects de l'optimalité et de même pour de simples concepts. Par conséquent, les pratiques d'arbre de décision les algorithmes d'apprentissage sont basés sur des algorithmes heuristiques telles que l'algorithme glouton où localement optimale les décisions sont prises à chaque nœud. De tels algorithmes ne peut pas garantir le retour à l'échelle mondiale optimale de l'arbre de décision. Cet effet peut être atténué par la formation de plusieurs arbres dans un ensemble de l'apprenant, lorsque les caractéristiques et les échantillons sont choisis au hasard avec remplacement.

    Donc, en gros, un sous-optimale de l'algorithme glouton est répété un nombre de fois à l'aide de sélections aléatoires des caractéristiques et des échantillons (une technique utilisée dans les forêts aléatoires). Le random_state paramètre permet de contrôler ces choix au hasard.

    La documentation de l'interface précise:

    Si int, random_state est la valeur utilisée par le générateur de nombre aléatoire; Si RandomState exemple, random_state est le générateur de nombre aléatoire; à défaut, le générateur de nombre aléatoire est la RandomState exemple utilisé par np.aléatoire.

    Donc, l'algorithme aléatoire sera utilisé dans tous les cas. En passant une valeur quelconque (qu'un int, par exemple, de 0, ou un RandomState exemple), n'y changera rien. La seule raison pour passer dans un int valeur (0 ou autre) est de rendre le résultat cohérent à travers des appels: si vous appelez cela avec random_state=0 (ou toute autre valeur), puis à chaque fois, vous obtiendrez le même résultat.

    Merci l'Ami pour la clarification, la question qui vient d'une valeur de random_state dois-je choisir. Je vois souvent des gens sélectionner une valeur 0, ça veut dire qu'ils ne veulent pas de l'approximatif, algorithme glouton, mais ils veulent que le NP-complet parfait algorithme?
    Vous êtes les bienvenus. La valeur spécifique que vous sélectionnez n'est pas vraiment un problème il est tout à fait les résultats cohérents (= déterministe), et ne causera pas de l'aide de l'APN de l'algorithme dans tous les cas. J'ai mis à jour la réponse à montrer que.
    Il fonctionne très bien comme vous le souhaitez (à chaque noeud, on retrouve la caractéristique de la "meilleure" divise les échantillons acheminés vers ce nœud), mais voici un lien.
    Les 13 premières diapositives sont pertinentes. Ils décrivent l'algorithme glouton, et puis remplissez les détails, pas vraiment fournir des solutions de rechange (la théorie de l'information considérations expliquent que est la meilleure décision à chaque point). Le meilleur de tous.
    Merci, vous aussi!

    OriginalL'auteur Ami Tavory