ต้องประเมิน random forest ด้วย cross-validation ให้ครอบคลุมความไวต่อการสุ่มของโมเดล และยังเปรียบเทียบ fold ได้เหมาะสม ควรกำหนด random_state อย่างไร
กใช้จำนวนเต็มเดียวกันกับ estimator และตัวแบ่ง CV เพื่อให้โมเดลเปลี่ยนการสุ่มทุก fold และคงการแบ่งเดิม
ขใช้ RandomState instance กับ estimator และตัวแบ่ง CV เพื่อให้โมเดลกับการแบ่งทำซ้ำเหมือนเดิมในทุกครั้ง
คใช้จำนวนเต็มกับ estimator และใช้ None กับตัวแบ่ง CV เพื่อให้โมเดลเปลี่ยน RNG ทุก fold แต่การแบ่งคงเดิม
งใช้ RandomState instance หรือ None กับ estimator และใช้จำนวนเต็มกับตัวแบ่ง CV ตามบทบาทของแต่ละส่วน
เฉลยอธิบาย
สำหรับ randomized estimator การให้ RandomState instance หรือ None ทำให้แต่ละ fold ใช้ RNG ต่างกัน จึงประเมินความทนต่อการเริ่มสุ่มได้ดีขึ้น ส่วนตัวแบ่ง CV มักควรใช้จำนวนเต็ม ตัวลวงที่ใช้จำนวนเต็มกับ estimator ผิดตรงที่ทำให้ทุก fold ใช้ RNG แบบเดิมและอาจบังความไม่ robust