X_train,X_test,y_train, y_test = train_test_split(X, y, random_state=0)
我们在机器学习中，经常会使用划分训练集和测试集的类train_test_split，而其中有一个参数是random_state,人们给了它一个好听的名字，叫做随机种子。
那么这个随机种子的作用是什么呢，它该如何设置取值呢？
其实随机种子控制每次划分训练集和测试集的模式，其取值不变时划分得到的结果一模一样，其值改变时，划分得到的结果不同。若不设置此参数，则函数会自动选择一种随机模式，得到的结果也就不同。也就是说:相同的随机种子取值，对应同一种数据集的划分结果。
在需要设置random_state的地方给其赋一个值，当多次运行此段代码能够得到完全一样的结果，别人运行此代码也可以复现你的过程。
也就是说：设置随机种子的值可以是任意的，可以是0或1或2，甚至是9999，只不过对应的代码运行结果不同。有助于我们复现别人的实验结果！
若不设置此参数则会随机选择一个种子，执行结果也会因此而不同了。虽然可以对random_state进行调参，但是调参后在训练集上表现好的模型未必在陌生训练集上表现好，所以一般会随便选取一个random_state的值作为固定值参数。
也就是说：一般情况下，随机种子的值我们可以随便设置，虽然它是一个超参数，但是我们一开始就固定它的值，不再去对他进行调参，对我们的模型的影响是微乎其微的。
自信点，大胆尝试任何事情，年轻人就是要犯错，就是要经历失败！