python中stacked_Python：如何在stacked mod中生成可重复的结果

经过这么多的尝试和错误，我终于成功地建立了我自己的堆叠模型。但我不能每次都做出同样的(准确度)。我知道我必须将random_state参数初始化为任何值，但是即使在调用类方法之前显式地将random_state值写入某个值之后，我仍然可以得到随机结果。在class Stacking(BaseEstimator, ClassifierMixin):

def __init__(self, BaseModels, MetaModel, nfolds = 3, seed = 1):

self.BaseModels = BaseModels

self.MetaModel = MetaModel

self.nfolds = nfolds

self.seed = np.random.seed(seed)

def fit(self, X, y):

self.BaseModels_ = [list() for model in self.BaseModels]

self.MetaModel_ = clone(self.MetaModel)

kf = KFold(n_splits = self.nfolds, shuffle = False, random_state = 6)

out_of_fold_preds = np.zeros((X.shape[0], len(self.BaseModels_)))

for index, model in enumerate(self.BaseModels_):

for train_index, out_of_fold_index in kf.split(X, y):

instance = clone(model)

self.BaseModels_[index].append(instance)

instance.fit(X[train_index], y[train_index])

preds = instance.predict(X[out_of_fold_index])

out_of_fold_preds[out_of_fold_index, index] = preds

#print(model, preds, out_of_fold_preds.shape)

self.MetaModel_.fit(out_of_fold_preds, y)

return self

我使用LogisticRegression、SGDClassifier、RandomForestClassifier作为基本模型，XGBoost作为元模型。随机态在所有模型中都存在，但仅对基本模型有效。在

我得到错误“init()在将random\u state放入xgbclassifier中时得到意外的关键字参数'random'u state'”。在

请注意，在调用类之前，我已尝试初始化random_state。尝试在KFold中改变洗牌。另外，如何初始化类方法中的参数？在