Optunaを利用したハイパーパラメータチューニング: best_valueの値が毎回変わる。

Question

Optunaを利用したパラメータチューニングを試しています。
訓練データとテストデータ、またmodelのrandom_stateを固定しているのですが、
best_paramsとbest_valueが実行するたびに違う結果が出てしまいます。

from sklearn.model_selection import train_test_split
from sklearn.datasets import load_iris

iris = load_iris()
X = iris.data
y = iris.target
X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, test_size=0.3)


import optuna

def objective(trial):
    
    criterion = trial.suggest_categorical('criterion', ['gini', 'entropy'])
    n_estimators = trial.suggest_int('n_estimators', 50, 1000)
    max_depth = trial.suggest_int('max_depth', 1, 10)
    
    model = RandomForestClassifier(criterion=criterion, n_estimators=n_estimators, max_depth=max_depth, random_state=0)
    model.fit(X_train, y_train)
    score = model.score(X_test, y_test)

    return score
 
study = optuna.create_study()
study.optimize(objective, n_trials=10)

print("Best Params : ",study.best_params)
print("Best Score : ",study.best_value)

トライアルの回数が少ないから、実行結果が変わってしまうのでしょうか？
機械学習の初学者のため大変稚拙な質問かとは存じますが、ご教示いただけましたら幸甚です。
何卒よろしくお願い申し上げます。

Answer 1

変数選択のための乱数のシードを固定していないことが原因でした。。。。
下記に修正することで、問題解決しました。

study = optuna.create_study(sampler=optuna.samplers.RandomSampler(seed=0))