sklearn中给出不一致答案的分类树

Question

我使用的是sklearn中的分类树，当我使用相同的数据两次进行模型训练，并使用相同的测试数据进行预测时，我得到的结果不同。我试着在一个更小的虹膜数据集上进行复制，结果果然如愿以偿。这是一些代码

from sklearn import tree
from sklearn.datasets import iris

clf = tree.DecisionTreeClassifier()
clf.fit(iris.data, iris.target)
r1 = clf.predict_proba(iris.data)

clf.fit(iris.data, iris.target)
r2 = clf.predict_proba(iris.data)

对于这个小例子来说，r1和r2是相同的，但是当我在自己更大的数据集上运行时，得到的结果不同。为什么会这样？

编辑查看一些文档后，我发现DecisionTreeClassifier有一个控制起点的输入random_state。通过将这个值设置为常量，我就摆脱了以前的问题。但是现在我担心我的模型没有它能达到的最优。推荐的方法是什么？随便试试？或者所有的结果都是一样的？