在Python的机器学习中，KFold交叉验证的random_state参数用于控制数据划分的随机性。当设置为None时，每次运行数据划分都会变化；而设定为具体整数时，如1或2，将确保每次划分相同。random_state不表示数值大小，而是作为洗牌的一种标识。因此，无论设置为42还是160，只要值相同，数据划分就一致，不同则结果不同。
我们在用python做机器学习的交叉验证工作时，常会遇到random_state参数，比如函数：
KFold(n_splits=5, shuffle=False, random_state=None)该函数用来做K折交叉验证。
n_splits：折数，int型，默认值为5.
shuffle：对数据进行划分前是否进行洗牌。boolean型
random_state：int, RandomState instance 或 None, 默认为None。直译为“随机状态”。
只有当shuffle=True时，random_state才有意义。
-
当random_state=None时：
KFold(n_splits=5, shuffle=True, random_state=None)代表每次数据的划分不一样。
举例：
import pandas as pd
import numpy as np
from sklearn.model_selection import KFold
xx=np.arange(25)
kf=KFold(n_splits=5,shuffle=True,random_state=None)
for train_index,test_index in kf.split(xx):
print('train_index:%s,test_index:%s'%(train_index,test_index))输出结果为：
train_index:[ 0 1 2 3 4 5 6 8 9 10 11 12 14 15 17 18 19 20 21 23],test_index:[ 7 13 16 22 24]
train_index:[ 0 2 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 24],test_index:[ 1 3 9 18 23]
train_index:[ 1 2 3 5 7 8 9 10 11 12 13 14 15 16 18 20 21 22 23 24],test_index:[ 0 4 6 17 19]
train_index:[ 0 1 2 3 4 6 7 9 11 12 13 16 17 18 19 20 21 22 23 24],test_index:[ 5 8 10 14 15]
train_index:[ 0 1 3 4 5 6 7 8 9 10 13 14 15 16 17 18 19 22 23 24],test_index:[ 2 11 12 20 21]再重新运行一次：
kf=KFold(n_splits=5,shuffle=True,random_state=None)
for train_index,test_index in kf.split(xx):
print('train_index:%s,test_index:%s'%(train_index,test_index))输出结果为：
train_index:[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 17 18 19 24],test_index:[16 20 21 22 23]
train_index:[ 1 2 3 4 5 6 7 8 9 11 12 14 15 16 17 20 21 22 23 24],test_index:[ 0 10 13 18 19]
train_index:[ 0 2 4 5 6 7 9 10 11 12 13 14 15 16 18 19 20 21 22 23],test_index:[ 1 3 8 17 24]
train_index:[ 0 1 3 7 8 9 10 12 13 14 15 16 17 18 19 20 21 22 23 24],test_index:[ 2 4 5 6 11]
train_index:[ 0 1 2 3 4 5 6 8 10 11 13 16 17 18 19 20 21 22 23 24],test_index:[ 7 9 12 14 15]可以看到，两次的数据划分不一样，每次划分前都重新洗牌一次。
-
而当为random_state指定一个整数时。
例如指定为“1”：
KFold(n_splits=5, shuffle=True, random_state=1)代表每次数据的划分一样。
举例：
xx=np.arange(25)
kf=KFold(n_splits=5,shuffle=True,random_state=1)
for train_index,test_index in kf.split(xx):
print('train_index:%s,test_index:%s'%(train_index,test_index))输出结果为：
train_index:[ 0 1 2 4 5 6 7 8 9 10 11 12 15 16 18 19 20 22 23 24],test_index:[ 3 13 14 17 21]
train_index:[ 0 1 3 5 6 7 8 9 11 12 13 14 15 16 17 20 21 22 23 24],test_index:[ 2 4 10 18 19]
train_index:[ 0 2 3 4 5 8 9 10 11 12 13 14 15 16 17 18 19 21 23 24],test_index:[ 1 6 7 20 22]
train_index:[ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 17 18 19 20 21 22],test_index:[ 0 15 16 23 24]
train_index:[ 0 1 2 3 4 6 7 10 13 14 15 16 17 18 19 20 21 22 23 24],test_index:[ 5 8 9 11 12]再重新运行一次：
kf=KFold(n_splits=5,shuffle=True,random_state=1)
for train_index,test_index in kf.split(xx):
print('train_index:%s,test_index:%s'%(train_index,test_index))输出结果为：
train_index:[ 0 1 2 4 5 6 7 8 9 10 11 12 15 16 18 19 20 22 23 24],test_index:[ 3 13 14 17 21]
train_index:[ 0 1 3 5 6 7 8 9 11 12 13 14 15 16 17 20 21 22 23 24],test_index:[ 2 4 10 18 19]
train_index:[ 0 2 3 4 5 8 9 10 11 12 13 14 15 16 17 18 19 21 23 24],test_index:[ 1 6 7 20 22]
train_index:[ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 17 18 19 20 21 22],test_index:[ 0 15 16 23 24]
train_index:[ 0 1 2 3 4 6 7 10 13 14 15 16 17 18 19 20 21 22 23 24],test_index:[ 5 8 9 11 12]可见，当两次都将random_state指定为整数“1”时，两次洗牌的结果一样，数据的划分结果一样。
那么问题来了，我让random_state=2行不行？random_state=160行不行？random_state=1与random_state=2有什么区别？看到有个博文设定random_state=42，我就懵×了……：
这个42代表什么含义？
好吧，那我们研究一下：
我们设定random_state=2，运行一下试试：
kf=KFold(n_splits=5,shuffle=True,random_state=2)
for train_index,test_index in kf.split(xx):
print('train_index:%s,test_index:%s'%(train_index,test_index))输出结果：
train_index:[ 1 2 3 4 5 7 8 9 10 11 12 13 15 16 18 19 20 21 22 24],test_index:[ 0 6 14 17 23]
train_index:[ 0 1 2 4 5 6 7 8 10 11 13 14 15 17 18 19 20 21 23 24],test_index:[ 3 9 12 16 22]
train_index:[ 0 2 3 6 7 8 9 11 12 13 14 15 16 17 18 20 21 22 23 24],test_index:[ 1 4 5 10 19]
train_index:[ 0 1 3 4 5 6 8 9 10 11 12 13 14 15 16 17 19 22 23 24],test_index:[ 2 7 18 20 21]
train_index:[ 0 1 2 3 4 5 6 7 9 10 12 14 16 17 18 19 20 21 22 23],test_index:[ 8 11 13 15 24]还保持random_state=2，再运行一下试试：
kf=KFold(n_splits=5,shuffle=True,random_state=2)
for train_index,test_index in kf.split(xx):
print('train_index:%s,test_index:%s'%(train_index,test_index))输出结果：
train_index:[ 1 2 3 4 5 7 8 9 10 11 12 13 15 16 18 19 20 21 22 24],test_index:[ 0 6 14 17 23]
train_index:[ 0 1 2 4 5 6 7 8 10 11 13 14 15 17 18 19 20 21 23 24],test_index:[ 3 9 12 16 22]
train_index:[ 0 2 3 6 7 8 9 11 12 13 14 15 16 17 18 20 21 22 23 24],test_index:[ 1 4 5 10 19]
train_index:[ 0 1 3 4 5 6 8 9 10 11 12 13 14 15 16 17 19 22 23 24],test_index:[ 2 7 18 20 21]
train_index:[ 0 1 2 3 4 5 6 7 9 10 12 14 16 17 18 19 20 21 22 23],test_index:[ 8 11 13 15 24]看到了吗，两次random_state=2对数据的划分结果一致，两次random_state=1对数据的划分结果一致，random_state=1与random_state=2的数据划分结果不一致。
因此，赋予random_state的整数，不代表数值意义，而只是一种编号，1、2、42或者160都只是一种编号，不代表具体的数值，不分谁大谁小，只代表一种洗牌结果。
参考资料：
附录：
附录里分别跑了两次random_state=42与random_state=160的运行结果，献给强迫症读者：
第一次跑random_state=42：
kf=KFold(n_splits=5,shuffle=True,random_state=42)
for train_index,test_index in kf.split(xx):
print('train_index:%s,test_index:%s'%(train_index,test_index))运行结果：
train_index:[ 1 2 3 4 5 6 7 9 10 12 13 14 15 17 18 19 20 21 22 24],test_index:[ 0 8 11 16 23]
train_index:[ 0 2 3 4 6 7 8 10 11 12 14 15 16 17 18 19 20 21 23 24],test_index:[ 1 5 9 13 22]
train_index:[ 0 1 5 6 7 8 9 10 11 13 14 16 17 18 19 20 21 22 23 24],test_index:[ 2 3 4 12 15]
train_index:[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 19 22 23],test_index:[17 18 20 21 24]
train_index:[ 0 1 2 3 4 5 8 9 11 12 13 15 16 17 18 20 21 22 23 24],test_index:[ 6 7 10 14 19]第二次跑random_state=42：
kf=KFold(n_splits=5,shuffle=True,random_state=42)
for train_index,test_index in kf.split(xx):
print('train_index:%s,test_index:%s'%(train_index,test_index))运行结果：
train_index:[ 1 2 3 4 5 6 7 9 10 12 13 14 15 17 18 19 20 21 22 24],test_index:[ 0 8 11 16 23]
train_index:[ 0 2 3 4 6 7 8 10 11 12 14 15 16 17 18 19 20 21 23 24],test_index:[ 1 5 9 13 22]
train_index:[ 0 1 5 6 7 8 9 10 11 13 14 16 17 18 19 20 21 22 23 24],test_index:[ 2 3 4 12 15]
train_index:[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 19 22 23],test_index:[17 18 20 21 24]
train_index:[ 0 1 2 3 4 5 8 9 11 12 13 15 16 17 18 20 21 22 23 24],test_index:[ 6 7 10 14 19]第一次跑random_state=160：
kf=KFold(n_splits=5,shuffle=True,random_state=160)
for train_index,test_index in kf.split(xx):
print('train_index:%s,test_index:%s'%(train_index,test_index))运行结果：
train_index:[ 1 2 3 4 5 7 8 9 10 11 12 14 15 16 17 19 20 22 23 24],test_index:[ 0 6 13 18 21]
train_index:[ 0 1 2 3 4 5 6 7 8 11 12 13 15 16 18 19 21 22 23 24],test_index:[ 9 10 14 17 20]
train_index:[ 0 1 2 6 8 9 10 12 13 14 15 16 17 18 19 20 21 22 23 24],test_index:[ 3 4 5 7 11]
train_index:[ 0 1 3 4 5 6 7 8 9 10 11 13 14 15 17 18 20 21 22 24],test_index:[ 2 12 16 19 23]
train_index:[ 0 2 3 4 5 6 7 9 10 11 12 13 14 16 17 18 19 20 21 23],test_index:[ 1 8 15 22 24]第二次跑random_state=160：
kf=KFold(n_splits=5,shuffle=True,random_state=160)
for train_index,test_index in kf.split(xx):
print('train_index:%s,test_index:%s'%(train_index,test_index))运行结果：
train_index:[ 1 2 3 4 5 7 8 9 10 11 12 14 15 16 17 19 20 22 23 24],test_index:[ 0 6 13 18 21]
train_index:[ 0 1 2 3 4 5 6 7 8 11 12 13 15 16 18 19 21 22 23 24],test_index:[ 9 10 14 17 20]
train_index:[ 0 1 2 6 8 9 10 12 13 14 15 16 17 18 19 20 21 22 23 24],test_index:[ 3 4 5 7 11]
train_index:[ 0 1 3 4 5 6 7 8 9 10 11 13 14 15 17 18 20 21 22 24],test_index:[ 2 12 16 19 23]
train_index:[ 0 2 3 4 5 6 7 9 10 11 12 13 14 16 17 18 19 20 21 23],test_index:[ 1 8 15 22 24]看到了吧，random_state为同一数值时，数据划分结果就一样，random_state为不同数值时，数据划分结果就不一样。不管是1、2、42还是160
1244
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
