设置random_state后sklearn的train_test_split跨机器拆分结果是否一致？

核心结论 #

只要满足几个前提，你在不同机器上运行给出的代码，得到的拆分结果会完全一致，不受操作系统、硬件架构的影响。

需满足的前提条件 #

• 两台机器安装的scikit-learn版本完全相同：scikit-learn跨版本更新时偶尔会调整抽样逻辑、随机数生成器的默认配置，版本不一致的情况下即使设置相同的random_state也可能得到不同结果。
• 输入的X和y的内容、排列顺序、数据类型完全一致：如果两台机器读取的原始数据本身存在差异（比如读取文件时编码、缺失值处理规则不同，或是数据提前做了无固定规则的排序），拆分结果自然会有区别，这和random_state参数本身无关。
• 运行代码前没有修改numpy、scikit-learn的全局随机种子：如果在运行train_test_split之前有修改全局随机数生成状态的操作，会覆盖参数中random_state的固定效果。

补充说明 #

你使用的代码：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.30, random_state=42)

其中random_state参数的作用就是固定本次抽样的随机数种子，只要符合上述前提，随机数生成序列就会完全对齐，最终拆分结果也会完全相同，不存在系统层面的差异。

内容的提问来源于stack exchange，提问作者Adrian Cypcar