random_state是一個隨機種子，是在任意帶有隨機性的類或函數里作為參數來控制隨機模式。當random_state取某一個值時，也就確定了一種規則。
random_state可以用於很多函數，我比較熟悉的是用於以下三個地方：1、訓練集測試集的划分 2、構建決策樹 3、構建隨機森林
1、划分訓練集和測試集的類train_test_split
隨機數種子控制每次划分訓練集和測試集的模式，其取值不變時划分得到的結果一模一樣，其值改變時，划分得到的結果不同。若不設置此參數，則函數會自動選擇一種隨機模式，得到的結果也就不同。
2、構建決策樹的函數
clf = tree.DecisionTreeClassifier(criterion="entropy",random_state=30,splitter="random")
其取值不變時，用相同的訓練集建樹得到的結果一模一樣，對測試集的預測結果也是一樣的；
其值改變時，得到的結果不同；
若不設置此參數，則函數會自動選擇一種隨機模式，每次得到的結果也就不同。
3、構建隨機森林
clf = RandomForestClassifier(random_state=0)
其取值不變時，用相同的訓練集建森林得到的結果一模一樣，對測試集的預測結果也是一樣的；
其值改變時，建森林得到的結果不同；
若不設置此參數，則函數會自動選擇一種隨機模式，每次得到的結果也就不同。
總結：在需要設置random_state的地方給其賦一個值，當多次運行此段代碼能夠得到完全一樣的結果，別人運行此代碼也可以復現你的過程。若不設置此參數則會隨機選擇一個種子，執行結果也會因此而不同了。雖然可以對random_state進行調參，但是調參后在訓練集上表現好的模型未必在陌生訓練集上表現好，所以一般會隨便選取一個random_state的值作為參數。