机器学习中决策树和随机森林每次得出的模型不一样的原因

每次决策树分叉时，所有的特征都是随机排序的，随机种子就是random_state如果你的max_features小于你总特征数n_features，那么每个分叉必须采样，随机性很大。即使你的max_features = n_features，表现相同的分叉还是会选第一个，所以依然有随机性，sklearn的算法大多有random_state，如果需要复盘或是需要模型稳定不变必须设置。