在使用sklearn.linear_model.SGDClassizer（随机状态值不同）进行逻辑回归时获得完全不同的权重值

Question

我认为，权重应该随着随机状态的不同而略有变化。 随机_state=None时，每次跑步时获得不同权重的原因是什么

以下是几次运行的权重值（包含3个功能） 1)4.67100318,1.26129186,17.26554955 2)3.39793468,2.10265234,18.42484435 3)-2.08082186,1.25948975,10.37120852 4） 3.71122156,0.93510126,16.63007864

由于这种波动，我不确定应该使用哪种随机_状态，这在执行特征选择时造成了麻烦。 请注意，我是在执行标准化后使用数据的

我使用下面非常简单的代码来训练我的模型，因为我的数据只包含200行数据和3个特性

from sklearn.linear_model import SGDClassifier
SGDClf = SGDClassifier(loss='log',random_state=1)
SGDClf.fit(X,Y)

Answer 1

Machine learning models will produce different results on same dataset，random_state = None，
模型生成一个称为random seed的随机数序列，用于从给定数据集生成测试、验证和训练数据集的过程，例如：random_state = 1。
将模型种子配置为设定值将确保（权重）结果可重复。

SGDClassifier()洗牌输入的数据：

The passed (random state) value will have an effect on the reproducibility of the results returned by the function (fit, split, or any other function like k_means). - random state doc

希望对你有帮助