Причины использования функции set.seed

Много раз я видел set.seedфункцию в R, прежде чем запустить программу. Я знаю, что это в основном используется для генерации случайных чисел. Есть ли какая-то конкретная необходимость установить это?

Необходимость заключается в возможном желании получить воспроизводимые результаты, которые могут, например, возникнуть при попытке отладки вашей программы или, конечно, при попытке повторить то, что она делает:

Эти два результата мы «никогда» не воспроизведем, поскольку я просто попросил что-то «случайное»:

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

Эти два, однако, идентичны, потому что я установил семя :

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> 

Об этом много литературы. Википедия - хорошее начало. По сути, эти RNG называются генераторами псевдослучайных чисел, потому что на самом деле они полностью алгоритмичны : при одинаковом начальном числе вы получаете одинаковую последовательность. И это особенность, а не ошибка.

Вы должны устанавливать seed каждый раз, когда хотите получить воспроизводимый случайный результат.

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

Просто добавив некоторые дополнительные аспекты. Необходимость установки начального числа: если в академическом мире утверждают, что его алгоритм достигает, скажем, 98,05% производительности в одной имитации, другие должны иметь возможность воспроизводить его.

?set.seed

Просматривая файл справки этой функции, вот некоторые интересные факты:

(1) set.seed () возвращает NULL, невидимый

(2) «Первоначально, нет начального числа; новое создается из текущего времени и идентификатора процесса, когда оно требуется. Следовательно, разные сеансы будут давать разные результаты моделирования по умолчанию. Однако начальное число может быть восстановлено из предыдущий сеанс, если восстановлено ранее сохраненное рабочее пространство. ", поэтому вы захотите вызвать set.seed () с такими же целочисленными значениями в следующий раз, когда вы захотите такую ​​же последовательность случайной последовательности.

Фиксация начального числа важна, когда мы пытаемся оптимизировать функцию, которая включает случайно сгенерированные числа (например, при оценке на основе моделирования). Грубо говоря, если мы не исправим начальное число, изменение из-за рисования различных случайных чисел, скорее всего, приведет к сбою алгоритма оптимизации.

Предположим, что по какой-то причине вы хотите оценить стандартное отклонение (sd) среднего-нулевого нормального распределения путем моделирования с учетом выборки. Это может быть достигнуто путем выполнения числовой оптимизации по шагам

1. (Урегулирование семян)
2. Учитывая значение для SD, генерировать нормально распределенные данные
3. Оцените вероятность ваших данных с помощью смоделированных распределений

Следующие функции делают это, один раз без шага 1., один раз включив его:

# 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)))
}

Мы можем проверить относительную производительность двух функций при обнаружении истинного значения параметра с помощью короткого исследования Монте-Карло:

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)

Полученные распределения оценок параметров:

Когда мы фиксируем начальное число, численный поиск оказывается гораздо ближе к истинному значению параметра, равному 2.

в основном функция set.seed () поможет повторно использовать тот же набор случайных переменных, который нам может понадобиться в будущем для повторной оценки конкретной задачи с теми же случайными переменными

нам просто нужно объявить это перед использованием любой функции генерации случайных чисел.