python 做机器学习中添加随机种子

在Python做机器学习时，设置随机种子是为了保证每次运行实验得到的结果都是可复现的。这是因为许多机器学习算法（如随机森林、神经网络等）内部使用了随机过程，例如特征选择、权重初始化等。为了消除随机因素带来的偶然性，我们需要固定这些随机过程，以便于模型评估和比较。

添加随机种子的主要目的是通过调用`random.seed()`或`numpy.random.seed()`函数，并传入一个整数作为输入。这个整数会被用作随机数生成器的起始点，使得每次程序运行都会从相同的起点开始生成随机数。例如：

import random
import numpy as np

# 设置全局随机种子
random.seed(42)
np.random.seed(42)

# 现在，每次运行此代码，随机函数将返回相同的结果，除非手动更改种子
print(random.randint(0, 9))  # 输出始终一样
print(np.random.rand())  # 输出始终一样

在这个例子中，`42`是一个常见的示例随机种子，你可以将其替换为你希望使用的任意整数。通常，建议在整个项目的代码中保持一致的随机种子设置，以便于复制实验结果。