随机森林回归模型多次运行精度不同是否正常？该选用哪个精度？

每次从头运行Random Forest（RF）回归模型时，得到的精度都不同。运行代码如下：

df17_tmp1 = df17_tmp.sample(frac=6, replace = True).reset_index(drop=True)
    
x_3d = df17_tmp1[col_in_3d] # Features;  
y_3d = df17_tmp1['over/under_exc_vol(m3)'].values  # Target
   
# In[29]:
   
x_train_3d, x_test_3d, y_train_3d, y_test_3d = train_test_split(x_3d, y_3d, test_size = 0.3, random_state = 42)
   
# # train RF

# In[30]:

x_train_3d = x_train_3d.fillna(0).reset_index(drop = True)
x_test_3d = x_test_3d.fillna(0).reset_index(drop = True)

y_train_3d[np.isnan(y_train_3d)] = 0
y_test_3d[np.isnan(y_test_3d)] = 0

rf_3d = RandomForestRegressor(n_estimators = 70, random_state = 42)
rf_3d.fit(x_train_3d, y_train_3d)

# # Predict with RF and evaluate

# In[31]:

prediction_3d = rf_3d.predict(x_test_3d)
mse_3d = mean_squared_error(y_test_3d, prediction_3d)
rmse_3d = mse_3d**.5
abs_diff_3d = np.array(np.abs((y_test_3d - prediction_3d)/y_test_3d))
abs_diff_3d = abs_diff_3d[~np.isinf(abs_diff_3d)]

mape_3d = np.nanmean(abs_diff_3d)*100
accuracy_3d = 100 - mape_3d   

多次运行得到的精度结果为：85.94、85.71、85.83、82.64、86.56、85.24、83.40、82.39、84.98、83.81。

问题 #

请问这种情况是否正常？应该选用哪个精度？

一、这种情况是否正常？ #

是正常的。核心原因是代码开头的重采样步骤未固定随机种子：

• df17_tmp.sample(frac=6, replace=True) 方法在未指定random_state时，每次运行会生成不同的采样数据集；
• 尽管后续的train_test_split和RandomForestRegressor都设置了random_state=42，但第一步采样的随机性会导致每次的训练/测试数据分布存在差异，最终影响模型的精度输出。

二、应该选用哪个精度？ #

1. 优先采用统计值反映模型真实性能：
   • 计算多次运行结果的平均值：你给出的10次结果平均值约为84.65，这个值能更客观体现模型的整体表现；
   • 同时可以计算标准差（约1.5），它能反映模型性能的波动程度，帮助判断模型稳定性；
2. 若需固定结果，消除随机性根源：
   • 在sample方法中添加random_state参数，比如：

     df17_tmp1 = df17_tmp.sample(frac=6, replace = True, random_state=42).reset_index(drop=True)
     

   • 这样每次运行的采样数据完全一致，后续模型的精度结果也会固定。

内容的提问来源于stack exchange，提问作者Abboud