...
Eroare Machine Learning · Împărțirea datelor și validarea încrucișată

ValueError: Setting a random_state has no effect since shuffle is False. You should leave random_state to its default (None), or set shuffle=True.

Pe scurt

Ai dat random_state lui KFold sau StratifiedKFold fără shuffle=True. Fără amestecare, împărțirea în părți e mereu aceeași, deci random_state nu are ce controla. Adaugă shuffle=True (de obicei asta ai vrut) sau scoate random_state.

Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

Ce înseamnă

KFold(n_splits=5) împarte implicit datele în ordine: primele 20% sunt prima parte de test, următoarele 20% a doua și așa mai departe. Nu e nimic aleator, deci un random_state n-ar schimba nimic. Ca să nu crezi că ai fixat o amestecare care de fapt nu există, scikit-learn refuză combinația și îți spune cele două variante corecte.

Aproape mereu ai vrut amestecare, mai ales dacă datele sunt ordonate (după dată, după clasă, după oraș): fără ea, o parte poate conține doar un tip de exemple. KFold(n_splits=5, shuffle=True, random_state=42) amestecă datele o dată, la fel la fiecare rulare. Excepție: la serii de timp nu amesteca; acolo folosești TimeSeriesSplit, care păstrează intenționat ordinea.

De ce apare: cauzele frecvente

1random_state fără shuffle

Greșit
PYTHON
cv = KFold(n_splits=5, random_state=42)
Corect
PYTHON
cv = KFold(n_splits=5, shuffle=True, random_state=42)

Cu shuffle=True datele se amestecă, iar random_state face amestecarea reproductibilă.

2Aceeași greșeală la StratifiedKFold

Greșit
PYTHON
cv = StratifiedKFold(n_splits=4, random_state=0)
Corect
PYTHON
cv = StratifiedKFold(n_splits=4, shuffle=True, random_state=0)

StratifiedKFold păstrează proporția claselor, dar fără shuffle ia exemplele în ordinea din tabel.

3Serii de timp: fără amestecare

Greșit
PYTHON
cv = KFold(n_splits=5, random_state=0)  # vânzări lunare
Corect
PYTHON
cv = TimeSeriesSplit(n_splits=5)

La date în timp, testul trebuie să fie mereu după antrenare. TimeSeriesSplit respectă asta și nu are nevoie de random_state.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: Setting a random_state has no effect since shuffle is False. Repară definiția lui KFold, ca datele să fie amestecate reproductibil, iar programul să afișeze câte părți are validarea și scorul mediu.

Codul care dă eroarea
PYTHON
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import KFold, cross_val_score

# suprafata (m2) -> pret (mii euro), ordonate dupa suprafata
X = [[30], [35], [40], [45], [50], [60], [70], [80], [90], [100]]
y = [60, 70, 80, 90, 100, 120, 140, 160, 180, 200]

cv = KFold(n_splits=5, random_state=42)
scoruri = cross_val_score(LinearRegression(), X, y, cv=cv)
print("Parti:", len(scoruri))
print("R2 mediu:", round(scoruri.mean(), 3))
După reparație, programul afișează
Parti: 5
R2 mediu: 1.0
Indiciu

Adaugă shuffle=True lângă random_state=42.

Alte forme ale mesajului

  • ValueError: Setting a random_state has no effect since shuffle is False. This will raise an error in 0.24. You should leave random_state to its default (None), or set shuffle=True.

Cum o eviți pe viitor

Pentru validare încrucișată pe date care nu sunt în timp, folosește mereu tripleta n_splits=5, shuffle=True, random_state=42. Pentru serii de timp, TimeSeriesSplit. Dacă dai doar cv=5 lui cross_val_score, scikit-learn folosește împărțiri fără amestecare, deci pe date ordonate dă-i explicit un obiect KFold sau StratifiedKFold cu shuffle=True.

Întrebări frecvente

De ce train_test_split acceptă random_state fără probleme?

Pentru că train_test_split amestecă implicit (shuffle=True). KFold și StratifiedKFold au, din motive istorice, shuffle=False implicit.

Ce random_state să aleg?

Orice număr întreg; contează doar să fie mereu același, ca rezultatele să se repete. 0 și 42 sunt alegeri obișnuite.

Erori înrudite

← Toate erorile Machine Learning

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

Învață Machine Learning de la zero, cu exerciții la fiecare lecție

Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.