您的分类分数取决于
random_state。就像@Ujjwal正确说的那样，它用于将数据分为训练和测试测试。不仅如此，scikit-
learn中的许多算法都使用
random_state来选择特征子集，样本子集并确定初始权重等。
例如。
基于树的估计器将使用
random_state
随机选择特征和样本（如DecisionTreeClassifier, RandomForestClassifier
）。在像Kmeans这样的聚类估计量中，
random_state
用于初始化聚类中心。SVM将其用于初始概率估计
一些特征选择算法也将其用于初始选择
- 还有很多…
它在文档中提到：
如果您的代码依赖于随机数生成器，则永远不要使用numpy.random.random或numpy.random.normal之类的函数。这种方法可能导致测试中的可重复性问题。相反，应该使用numpy.random.RandomState对象，该对象是根据
random_state传递给类或函数的参数构建的。
