使用set.seed函数的原因

set.seed在启动程序之前，我已经多次看到R中的功能。我知道它基本上是用于随机数生成的。有什么特殊需要设置吗？

需要可能的结果是可重复的结果，例如，可能来自尝试调试程序，或者当然来自尝试重做其功能：

这两个结果我们将“永不”重现，因为我只是想问一些“随机”问题：

R> sample(LETTERS, 5)
[1] "K" "N" "R" "Z" "G"
R> sample(LETTERS, 5)
[1] "L" "P" "J" "E" "D"

但是，这两个是相同的，因为我设置了种子：

R> set.seed(42); sample(LETTERS, 5)
[1] "X" "Z" "G" "T" "O"
R> set.seed(42); sample(LETTERS, 5)
[1] "X" "Z" "G" "T" "O"
R> 

关于这一切的文献很多。维基百科是一个好的开始。本质上，这些RNG称为伪随机数生成器，因为它们实际上是完全算法的：给定相同的种子，您将获得相同的序列。那是功能，而不是错误。

每次要获得可重现的随机结果时，都必须设置种子。

set.seed(1)
rnorm(4)
set.seed(1)
rnorm(4)

仅添加一些其他方面。需要设置种子：在学术界，如果有人声称自己的算法可以在一种模拟中达到98.05％的性能，那么其​​他人就需要能够重现它。

?set.seed

浏览此功能的帮助文件，这些是一些有趣的事实：

（1）set.seed（）返回NULL，不可见

（2）“最初没有种子；需要时从当前时间和进程ID创建一个新种子。因此，默认情况下，不同的会话将提供不同的模拟结果。但是，可以从如果恢复了先前保存的工作空间，则返回上一个会话。”，这就是为什么您下次要使用相同的随机序列序列时，想要使用相同的整数值调用set.seed（）的原因。

当我们尝试优化涉及随机生成数字的函数时（例如，在基于仿真的估计中），修复种子至关重要。松散地说，如果我们不修复种子，则由于绘制不同的随机数而导致的变化可能会导致优化算法失败。

假设由于某种原因，您想给定一个样本，通过仿真来估计均值零正态分布的标准偏差（sd）。这可以通过围绕步骤进行数值优化来实现

1. （设置种子）
2. 给定sd的值，生成正态分布的数据
3. 给定模拟分布，评估数据的可能性

如果没有步骤1，则以下功能会执行此操作，一旦包含步骤1：

# without fixing the seed
simllh <- function(sd, y, Ns){
  simdist <- density(rnorm(Ns, mean = 0, sd = sd))
  llh <- sapply(y, function(x){ simdist$y[which.min((x - simdist$x)^2)] })
  return(-sum(log(llh)))
}
# same function with fixed seed
simllh.fix.seed <- function(sd,y,Ns){
  set.seed(48)
  simdist <- density(rnorm(Ns,mean=0,sd=sd))
  llh <- sapply(y,function(x){simdist$y[which.min((x-simdist$x)^2)]})
  return(-sum(log(llh)))
}

通过简短的蒙特卡洛研究，我们可以检查两个函数在发现真实参数值方面的相对性能：

N <- 20; sd <- 2 # features of simulated data
est1 <- rep(NA,1000); est2 <- rep(NA,1000) # initialize the estimate stores
for (i in 1:1000) {
  as.numeric(Sys.time())-> t; set.seed((t - floor(t)) * 1e8 -> seed) # set the seed to random seed
  y <- rnorm(N, sd = sd) # generate the data
  est1[i] <- optim(1, simllh, y = y, Ns = 1000, lower = 0.01)$par
  est2[i] <- optim(1, simllh.fix.seed, y = y, Ns = 1000, lower = 0.01)$par
}
hist(est1)
hist(est2)

参数估计值的最终分布为：

当我们固定种子时，数值搜索最终会更接近于真实参数值2。

基本上set.seed（）函数将有助于重用同一组随机变量，我们将来可能需要使用相同的随机变量再次评估特定任务

我们只需要在使用任何随机数生成函数之前声明它即可。