各位大佬好，本人目前在用sklearn中LogisticRegression针对同一批样本数据（包括训练样本和测试样本，sklearn默认两个样本的比例为4:1）来训练一个回归模型，模型训练完后，应用于一批预测数据，计算各个预测数据的概率，最终进行分类，为什么针对同一批样本数据和同一批预测数据，没运行一次程序计算的概率和前几次计算的概率有很大出入？（例如，样本数据集A,利用sklearn从A训练一个模型M，预测数据集为C,第一次运行程序训练出模型M1，应用M1于C得到C中各个纪录的预测概率，但第二次再运行程序训练模型M2，因为样本数据没变，那么M2应该和M1的一样，应用M2于C来预测C中各个纪录的预测概率，但第二次预测的概率和第一次预测的概率有很大不同）因为是同一批样本数据，不是应该每次训练的模型的参数应该是相同，那么每次计算的预测数据的概率应该也是相同，为什么会出现每次计算的概率会不同的情况？求大佬解惑，万分感谢！
1个回答
sklearn.linear_model.LogisticRegression里有随机种子，每次运行前会随机打乱数据，你训练时要固定这个随机种子才能得到一样的模型，random_state自己随便用一个整数代替就好
from sklearn.linear_model import LogisticRegression
clf = LogisticRegression(penalty=’l2’, C=1.0, random_state=0)逻辑回归本身并没有特别复杂的设定，在LogisticRegression中只有penalty和C两个超参可以调整。具体数值可以通过交叉验证进行选择确定。
SofaSofa数据科学社区DS面试题库 DS面经
我小宋
2019-11-27 09:59
非常感谢大佬，那我固定了这个随机种子后，会影响准确率等一些评估指标么？针对同一批样本数据，怎样才能得到最大的准确率？（因为没有固定随机种子的话，针对同一批样本数据，每次运行得到的准确率都不一样）
-
alanjiang
2019-11-27 19:13
不同的随机种子会影响精度的，但是你不应该去调这个随机种子，它本身不是模型的超参。正确的思路是应该调整你的模型的超参和特征去最优化模型表现。
-
我小宋
2019-11-28 06:59
好的，谢谢，目前经过特征工程已经对模型的特征进行了降维处理，得到了比较理想的特征，但sklearn.linear_model.LogisticRegression实现的逻辑回归的超参不是已经调整到最优的状态了么？或者没有调整好，有推荐的关于sklearn中逻辑回顾函数的调参方法么？多谢大佬！
-
alanjiang
2019-11-29 15:07
我更新了我的回答，你可以看下。sklearn里的逻辑回归有默认的正则项，正则项的设定是你自己可以调优的。
-
我小宋
2019-12-02 13:49
好的，多谢大佬；还需要请教个问题，我现在有一份固定的正类样本，还有一份随机的负类样本（负类样本数据量和正类的数据量相近），由于负类样本的随机性，那么训练样本不是固定的，即使将逻辑回归的两个超参调到最优，也会导致了每次训练的模型分类的结果会不同，比如，第一次训练好的回归模型分类的结果是A,第二次训练好的回归模型分类的结果是B，A和B的相差较大，交集很小，如何在负类样本随机采样的情况下，尽量让A和B的交集的数据量够大，最好A和B尽量一致？多谢大佬!
-
alanjiang
2019-12-02 22:19
相关讨论
随便看看