Python 里的随机种子random.seed()

一、带有随机性的实验

常见的带有随机性的一些算法及处理步骤：

（1）神经网络当中的初始化权重。

（2）聚类算法，例如K-means算法的初试聚类中心；

（3）随机森林中牵涉到的数据或特征抽样；

（4）随机抽取训练集测试集时，不使用随机种子第一次和第二次随机抽取的数据集会不同；使用随机种子，第一次第二次随机抽取的数据集就会相同。

但是问题来了，因为牵涉到随机因素，那么不要说复现别人的结果，那么即使自己对比自己上一个做的结果，那么结果可能也会不一样。那么怎么复现或者进行结果对比呢？
使用随机种子！

（1）神经网络当中的初始化权重。不使用随机种子第一次和第二次的初始化权重会不同，使用随机种子，第一次和第二次的初始化权重就会相同。

（2）聚类算法，例如K-means算法的初始聚类中心。不使用随机种子第一次和第二次的初始聚类中心会不同，使用随机种子，第一次和第二次的初始聚类中心就会相同。

（3）随机森林中牵涉到的数据或特征抽样。不使用随机种子第一次和第二次的抽样会不同，使用随机种子，第一次和第二次的抽样就会相同。

（4）随机抽取训练集测试集时，不使用随机种子第一次和第二次随机抽取的数据集会不同；使用随机种子，第一次第二次随机抽取的数据集就会相同。

二、随机种子

        用random.seed()函数指定随机种子。
import random # 这里我们没有使用random.seed指定随机种子 num = random.randint(1,1000) #
每次得到的随机数都是随机的 # 同理，神经网络的随机权重也是随机的 # 其他随机产生的东西都是随机的
#-----------------------------------------------------------------------
random.seed(2)  # 只要在这里指定一个数（多少都可以） num = random.randint(1,1000)  # 每次得到的随机数就相同
# 同理，神经网络的随机权重也相同 # 其他随机产生的东西都相同
#-----------------------------------------------------------------------
random.seed(5)  # 换一个数 num = random.randint(1,1000)  #
每次得到的随机数都相同，只不过不同于random.seed(2)时 # 同理.。。

• « 上一篇：GDB调试
• » 下一篇：计算机网络—CSMA/CD协议