为什么决策树每次运行输出的指标数值不固定？

这是同一段代码的两次运行结果，这些指标都会有变化，或许有几个值是一样的，但没有完全一样的。

机器学习的算法每次运行得出的指标数值不一样是正常的，它是通过对训练数据的学习来推测同类数据的可能结果，训练数据越多、次数越多，结果越精确。

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 你可以参考下这个问题的回答, 看看是否对你有帮助, 链接: https://ask.csdn.net/questions/7732122
• 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：已知文本文件中存放了若干数字，请编写程序读取所有数字，排序以后进行输出。
• 除此之外, 这篇博客: 函数中的 需要注意的是，在定义带有默认值参数的函数时，任何一个默认值参数右边都不能再出现没有默认值的普通位置参数，否则会提示语法错误。 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  >>>def demo(a,b,c=1):       # c是默认值参数
         print(a,b,c)
  
  >>>demo(1,2)            
  out:1,2,1
  >>>demo(1,2,3)
  out:1,2,3
  

  ####多次调用函数并且不为默认值参数传递值时，默认值参数只在定义时进行一次解释和初始化，对于列表、字典这样可变类型的默认值参数，这一点可能会导致很严重的逻辑错误。

  >>>def demo(newitem, old_list=[]):
  	   old_list.append(newitem)
  	   print(old_list)
  >>>demo('5', [1, 2, 3, 4])
  out:[1,2,3,4,'5']
  >>>demo('aaa', ['a', 'b'])
  out:['a','b','aaa']
  >>>demo('a')
  out:['a']
  >>>demo('b')
  out['a','b']
  

• 您还可以看一下 刘伶华老师的软件测试经典面试题剖析课程中的 工作中有遇到什么困难，怎么解决的？小节, 巩固相关知识点
  

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^