《Python机器学习基础教程》第二章笔记：random_state的作用

一、random_state的作用：固定系数与截距

random_state的作用在于固定lr.coef_、lr.intercept_，保证每次模型的系数、截距一致

不加random_state时，系数与截距不停的变化：

from sklearn.linear_model import LinearRegression
import mglearn
from sklearn.model_selection import train_test_split
X, y = mglearn.datasets.make_wave(n_samples=60)
X_train, X_test, y_train, y_test = train_test_split(X, y)

lr = LinearRegression().fit(X_train, y_train)
print("lr.coef_:", lr.coef_)
print("lr.intercept_:", lr.intercept_)

第一次：

第二次：

循环一下会发现每次系数和截距均不一样：

增加random_state后：

二、random_state的取值是对系数排序的结果，random_state值越小，系数越大

第一次取值
系数与截距：

第二次取值

系数与截距：

第三次取值：

系数与截距：

第四次取值：

系数与截距：

现象：系数越来越小，截距看不出来规律！！！
结论：random_state取值越小，系数越大；random_state取值越大，系数越小；两者呈现反比关系