技术问询：random_state=0与numpy.random.RandomState(0)有何差异？

我正在测试random_state的相关用法，想请教：random_state = 0与random_state = numpy.random.RandomState(0)这两种设置方式存在哪些差异？以下为测试代码及输出结果：

测试代码 #

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
import numpy as np
import random

for i in range(5):
    
    ###########  code for random_state= numpy.random.RandomState(i) ##############
    
    rng = np.random.RandomState(i)
    X, y = make_classification(random_state=rng)
    rf = RandomForestClassifier(random_state=rng)
    X_train, X_test, y_train, y_test = train_test_split(X, y,
                                                        random_state=rng)
    p1=rf.fit(X_train, y_train).score(X_test, y_test)
    
   ###########  code for random_state= integer ##############

    X, y = make_classification(random_state=i)
    rf = RandomForestClassifier(random_state=i)
    X_train, X_test, y_train, y_test = train_test_split(X, y,
                                                        random_state=i)
    p2=rf.fit(X_train, y_train).score(X_test, y_test)
    print(i,p1,p2)

输出结果 #

0  0.84   0.92
1  1.0    0.92
2  0.88   0.92
3  0.84   0.88
4  1.0    1.0

核心差异解析 #

两者的本质区别在于随机数生成器的使用方式：

• 传入整数种子（如random_state=i）：每个Scikit-learn函数都会基于这个整数，创建一个全新且独立的随机数生成器。也就是说，make_classification、RandomForestClassifier、train_test_split这三个函数各自用同一个种子初始化了完全独立的生成器，彼此的随机状态互不干扰，各自生成的随机序列都是从种子i重新开始的。

• 传入np.random.RandomState实例（如random_state=rng）：这个生成器实例会被所有后续函数复用。每调用一次需要生成随机数的函数，该生成器的内部状态就会被推进一次，后续函数会接着当前的状态继续生成随机数，而不是重新用种子初始化。

对应到你的测试代码中：

• 第一部分的三个函数共享同一个rng实例，make_classification先消耗了一部分随机数，RandomForestClassifier接着用剩下的状态生成随机数，最后train_test_split继续推进这个状态，三者的随机序列是连贯的。
• 第二部分的每个函数都用同一个整数i作为种子，相当于三个函数各自从种子i从头开始生成随机数，彼此的随机序列完全独立。

这就是为什么两次测试的得分p1和p2会出现差异——两种方式下，随机数的生成路径完全不同，最终导致数据生成、模型训练、数据集划分的结果都不一样。

内容的提问来源于stack exchange，提问作者Mukesh Kumar