使用cross_val_score时如何每次打乱数据？解决交叉验证结果重复问题

这问题我做实验时也碰到过！核心原因是：scikit-learn里cross_val_score默认用的交叉验证拆分器（分类任务默认是StratifiedKFold，回归任务默认是KFold），默认不开启打乱功能，所以每次拆分的训练/测试折完全一致，模型评估结果自然一模一样。

要实现每次运行都打乱数据生成不同的折，你只需要手动指定一个带shuffle=True参数的拆分器，传给cross_val_score的cv参数就行，具体分两种场景：

分类任务（比如你的RidgeClassifier场景） #

推荐用StratifiedKFold，它会保持每个折里的类别比例和原始训练集一致，避免类别分布失衡影响评估结果：

from sklearn import linear_model
from sklearn.model_selection import cross_val_score, StratifiedKFold

clf = linear_model.RidgeClassifier()
n_folds = 10

# 创建带打乱功能的分层交叉验证拆分器
# 若需要复现某次拆分结果，就设置random_state（比如42）；不需要的话可以去掉该参数
cv_splitter = StratifiedKFold(n_splits=n_folds, shuffle=True, random_state=42)

# 将拆分器传入cross_val_score的cv参数
scores = cross_val_score(clf, X_train, y_train, cv=cv_splitter)

• 不设置random_state时，每次运行代码都会随机打乱数据生成不同的折，得到的scores也会不一样；
• 设置random_state时，虽然会打乱数据，但每次的拆分结果是固定的，方便你复现实验结果。

回归任务 #

如果是回归问题，直接用KFold并开启打乱即可：

from sklearn.model_selection import KFold

cv_splitter = KFold(n_splits=n_folds, shuffle=True, random_state=42)
scores = cross_val_score(clf, X_train, y_train, cv=cv_splitter)

这样修改后，你每次运行cross_val_score都会得到不同的交叉验证结果啦！

内容的提问来源于stack exchange，提问作者yalpsid eman