随机种子random_state，random seed

首先random_state和random seed是一样的，都是设置随机种子

在许多模型中都有random_state，例如SVC, ShuffleSplit()等，在模型中设置random_state作用就是可以使每次用相同的训练集相同参数可以得到相同的结果。不然的话，每训练一次，结果就会有波动。如果random_state都设置好，当别人拿到你的代码运行时就能得到和你一样的结果，复现你的过程。

特别注意：随机种子设置为0的时候结果也是一样的，除了不设置或设置为None时，产生的结果会不同

例：

不设置随机种子时，生成的随机数是变化的：

>>> random.seed()
>>> for i in range(10):
print(random.randint(1, 100))

31
14
40
70
62
34
5
74
60
78
>>> random.seed()
>>> for i in range(10):
print(random.randint(1, 100))

81
74
89
91
50
49
20
35
12
68
>>>

设置随机种子时，生成的随机数是不变的：

>>> random.seed(123)

>>> for i in range(10):
print(random.randint(1, 100))

7
35
12
99
53
35
14
5
49
69
>>> random.seed(123)
>>> for i in range(10):
print(random.randint(1, 100))

7
35
12
99
53
35
14
5
49
69

>>> random.seed(0)
>>> for i in range(10):
print(random.randint(1, 100))

50
98
54
6
34
66
63
52
39
62
>>> random.seed(0)
>>> for i in range(10):
print(random.randint(1, 100))

50
98
54
6
34
66
63
52
39
62