这个布景我看过很多次了。在启动程序之前，在R中使用种子函数。我知道它基本上是用来生成随机数的。有什么特殊的需要设置这个吗?
当前回答
每次你想要得到一个可重复的随机结果时，你都必须设置种子。
set.seed(1)
rnorm(4)
set.seed(1)
rnorm(4)
其他回答
基本上set.seed()函数将帮助重用相同的随机变量集，我们将来可能需要再次使用相同的随机变量对特定的任务求值
我们只需要在使用任何随机数生成函数之前声明它。
需求是对可复制结果的可能愿望，例如，这可能来自于试图调试你的程序，当然也可能来自于试图重做它所做的事情:
这两个结果我们“永远不会”重现，因为我只是要求一些“随机”的东西:
R> sample(LETTERS, 5)
[1] "K" "N" "R" "Z" "G"
R> sample(LETTERS, 5)
[1] "L" "P" "J" "E" "D"
然而，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>
这方面有大量的文献;维基百科是一个很好的开始。本质上，这些rng被称为伪随机数生成器，因为它们实际上是完全算法化的:给定相同的种子，你会得到相同的序列。这是一个功能，而不是一个错误。
只是添加了一些加法。 需要设置种子:在学术界，如果有人声称他的算法在一次模拟中实现了98.05%的性能，那么其他人需要能够复制它。
?set.seed
浏览这个函数的帮助文件，有一些有趣的事实:
set.seed()返回NULL，不可见 (2)“最初，没有种子;根据当前时间和进程ID创建一个新的进程。因此，默认情况下，不同的会话将给出不同的模拟结果。但是，如果之前保存的工作空间被恢复，那么种子可能会从以前的会话中恢复。”，这就是为什么下次需要相同的随机序列序列时，需要调用具有相同整数值的set.seed()。
再补充一点…如果你想要一致性，每次你做一些随机的事情时你都需要设置种子。种子不会一直凝固。
set.seed(0)
rnorm(3)
set.seed(0)
rnorm(3)
[1] 1.2629543 -0.3262334 1.3297993
[1] 1.2629543 -0.3262334 1.3297993
set.seed(0)
rnorm(3)
rnorm(3)
[1] 1.2629543 -0.3262334 1.3297993
[1] 1.2724293 0.4146414 -1.5399500
每次你想要得到一个可重复的随机结果时，你都必须设置种子。
set.seed(1)
rnorm(4)
set.seed(1)
rnorm(4)
