如何在RandomizedSearchCV中设置固定随机状态以保证结果可复现？

要保证多次运行结果完全一致，必须同时在RandomForestClassifier和RandomizedSearchCV中设置random_state，原因如下：

• RandomizedSearchCV的random_state：控制两个核心随机行为——从参数分布中随机选取待评估的参数组合、交叉验证的数据集拆分逻辑（比如默认的KFold拆分）。不设置的话，每次运行会生成不同的参数组合和数据拆分，直接导致最终结果差异。
• RandomForestClassifier的random_state：控制随机森林内部的随机性，包括单棵决策树构建时的特征随机选择、bootstrap采样过程。即使参数搜索的参数和数据拆分固定，分类器本身的随机性也会让模型训练结果波动。

修改后的示例代码：

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import RandomizedSearchCV

# 给分类器设置固定random_state
clf = RandomForestClassifier(random_state=42)
# 给搜索器设置固定random_state
search = RandomizedSearchCV(clf, param_distributions=params, n_iter=10, random_state=42)

额外的稳定性建议 #

如果你的代码中还用到了其他依赖随机的组件（比如numpy随机函数），可以额外设置全局随机种子：

import numpy as np
import random

np.random.seed(42)
random.seed(42)

不过scikit-learn的组件优先使用自身的random_state参数，所以核心还是要给上述两个组件单独设置固定值。

内容的提问来源于stack exchange，提问作者Mithun deb