求助：设置random_state后DecisionTreeRegressor结果仍不可复现

你遇到的问题是即使给模型设置了random_state，两次运行的结果仍不一致，核心原因通常是全局随机种子未固定，或是数据读取、环境存在差异，以下是具体排查和解决方法：

一、固定全局随机种子 #

scikit-learn的部分随机操作依赖于numpy和Python标准库的随机数生成器，仅设置模型的random_state可能不足以完全控制随机性。在代码开头添加以下代码：

import numpy as np
import random

# 固定全局随机种子
np.random.seed(42)
random.seed(42)

这会确保所有依赖随机数的操作（包括特征子集选择、数据分割）都使用相同的种子，消除会话间的随机性差异。

二、验证数据一致性 #

两次运行的训练/验证数据必须完全一致，才能保证模型结果复现。可以在数据分割后添加验证代码：

# 验证训练集的一致性，输出哈希值或统计量
print("训练集特征哈希:", train.drop(['y'], axis=1).values.tobytes().hex())
print("训练集目标变量哈希:", train['y'].values.tobytes().hex())

如果两次运行的哈希值不同，说明数据读取或分割存在问题，需检查：

• 确认inputfile.csv文件未被修改
• 检查pd.read_csv的参数是否一致（如是否有usecols、dtype等参数差异）

三、确保环境版本一致 #

不同版本的scikit-learn可能对决策树的实现细节（如特征选择逻辑、分裂准则计算）有细微调整，导致结果差异。可以输出当前scikit-learn版本并保持一致：

import sklearn
print("scikit-learn版本:", sklearn.__version__)

四、优化数据分割代码（可选） #

你当前的两次train_test_split写法是可行的，但可以改用更直观的一次性分割方式，避免潜在的混淆：

from sklearn.model_selection import train_test_split

# 先分割训练集和临时集（包含验证+测试）
train, temp = train_test_split(df, test_size=0.3, random_state=4044)
# 再分割验证集和测试集
val, test = train_test_split(temp, test_size=2/3, random_state=4044)

这和你当前的代码逻辑完全一致，但可读性更强。

验证方法 #

修改后重新运行两次，对比模型的rmse、rsquared以及树结构（可通过export_text输出树的文本结构），确认结果完全一致。

内容的提问来源于stack exchange，提问作者mt1