keras: train_test_split中random_state如何理解

train_test_split 将数组或矩阵拆分为随机的训练和测试子集。 这意味着每次在不指定 random_state 的情况下运行它时，都会得到不同的结果，这是预期的行为。 例如：

Run 1:

>>> a, b = np.arange(10).reshape((5, 2)), range(5)
>>> train_test_split(a, b)
[array([[6, 7],
        [8, 9],
        [4, 5]]),
 array([[2, 3],
        [0, 1]]), [3, 4, 2], [1, 0]]

Run 2:

>>> train_test_split(a, b)
[array([[8, 9],
        [4, 5],
        [0, 1]]),
 array([[6, 7],
        [2, 3]]), [4, 2, 0], [3, 1]]

在不设定random_state时候，每次split的内容都会改变。 另一方面，如果使用 random_state=some_number，那么可以保证 Run 1 的输出将等于 Run 2 的输出，即拆分将始终相同。 实际的 random_state 数字是 42、0、21 并不重要，重要的是每次使用 42 时，每次进行拆分时总是会得到和第一次相同的输出。 如果你想要可重现的结果（例如在文档中），这将非常有用，这样每个人在运行示例时都可以始终如一地看到相同的数字。 在实践中，一般建议应该在测试内容时将 random_state 设置为某个固定数字，但是如果确实需要随机（而不是固定）拆分，则在实际生产中将其删除。