首页 > TAG信息列表 > random-seed

python-RandomizedSearchCV使用相同的random_state给出不同的结果

我正在使用管道使用RandomizedSearchCV执行功能选择和超参数优化.以下是代码摘要： from sklearn.cross_validation import train_test_split from sklearn.ensemble import RandomForestClassifier from sklearn.feature_selection import SelectKBest from sklearn.grid_search im

在c中生成随机数

我得到一个在c中生成成千上万个随机数的任务.我在c上搜索了很多有关随机数的内容,并查找了c引用,但是现在我很困惑. 据我所知,random_device是一个不确定的随机数生成器,但是每次我重新运行程序时,random_device生成的随机数都是相同的.因此,当我重新启动程序时,如何为random_devic

Python：random.random()植入哪里？

说我有一些python代码： import random r=random.random() r的值一般从哪里来？ 如果我的操作系统没有随机数,那么它将在哪里播种呢？为什么不建议将其用于加密？有什么方法可以知道随机数是多少？解决方法:遵循da代码. 要查看随机模块在系统中的“位置”,您可以在终端中执行以下操作： >>>

python – 如何检索NumPy随机数生成器的当前种子？

以下导入NumPy并设置种子. import numpy as np np.random.seed(42) 但是,我对设置种子并不感兴趣,而是更多地阅读它. random.get_state()似乎不包含种子. documentation没有显示出明显的答案. 我如何检索numpy.random使用的当前种子,假设我没有手动设置它？ 我想使用当前种子来继承

python – 构建Keras项目以在GPU中实现可重现的结果

我正在写一个tensorflow.Keras包装器来执行ML实验. 我需要我的框架能够执行配置yaml文件中指定的实验并在GPU中并行运行. 然后我需要保证,如果我再次运行实验,如果不是完全相同的结果,我会得到合理的接近. 为了确保这一点,我的训练脚本在开头按照official documentation中的指导原

我应该使用`random.seed`或`numpy.random.seed`来控制`scikit-learn`中的随机数生成？

我正在使用scikit-learn和numpy,我想设置全局种子,以便我的工作可以重现. 我应该使用numpy.random.seed还是random.seed？ 编辑： 从评论中的链接,我知道它们是不同的,并且numpy版本不是线程安全的.我想知道哪一个用于创建IPython笔记本进行数据分析. scikit-learn中的一些算法涉及生成

C需要一个很好的技术来播种不使用time()的rand()

我有一个启动许多客户端进程的bash脚本.这些是人工智能游戏玩家,我用它来测试与许多玩家的游戏,大约有400个连接. 我遇到的问题是AI播放器使用的问题 srand( time(nullptr) ); 但是如果所有玩家大约在同一时间开始,他们将经常收到相同的time()值,这意味着他们都在同一个rand()序