使用PyCaret训练模型时报ValueError：shuffle为False时random_state无效如何解决

你调用setup函数时传入的session_id=2参数，作用是给数据集拆分、模型初始化等步骤设置固定随机种子，保证实验结果可复现，等价于设置了random_state=2。
但当前数据集拆分的shuffle参数为False，拆分训练集、测试集时不会打乱数据顺序，此时设置随机种子没有任何作用，因此触发了该ValueError。

根据你的业务场景二选一即可：

• 如果你做的是普通表格类任务，允许打乱数据集顺序，在setup中新增shuffle=True参数即可，既可以保留session_id的可复现性，也可以解决报错。修改后代码示例：

# 注意：目标列Survived是分类标签，分类任务请导入classification模块
from pycaret.classification import *
clf1 = setup(data = df, target = 'Survived', train_size = 0.7, session_id = 2, shuffle=True)

best=compare_models()

• 如果你做的是时序类任务，不能打乱数据顺序，直接去掉session_id参数即可，保持random_state为默认的None就不会触发报错。修改后代码示例：

# 确认是回归任务、且不允许打乱数据时使用
from pycaret.regression import *
clf1 = setup(data = df, target = 'Survived', train_size = 0.7)

best=compare_models()

额外提示：你当前导入的回归模块和目标列的分类任务不匹配，若为分类场景请务必替换导入的模块为pycaret.classification，避免后续出现其他不符合预期的错误。

内容的提问来源于stack exchange，提问作者guilherme guerra