k-fold cross validation为什要set.seed？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

用k-fold cross validation生成的error来判断哪个模型更加合适的时候，
使用cv.glm()函数前为什么要set.seed？
另外发现seed不一样，生成的结果也不一样，例如下面的code：
1、
library(boot)

set.seed(10)
cv.error=rep(0,5)
for (i in 1:5){
  glm.fit=glm(nox~poly(dis,i),data=Boston)
  cv.error[i]=cv.glm(Boston,glm.fit,K=10)$delta[1]
}

当把seed设置为10时，结果是：
> cv.error
[1] 0.005490919 0.004095812 0.003863046 0.003918877 0.004121742


此时观察结果，应该是第三个模型最优。

2、seed为1时，结果如下：
> cv.error
[1] 0.005536329 0.004077147 0.003899587 0.003862127 0.004298590
此时应该是第四个模型最优。


请问为什么会出现这种情况嘞？？
set.seed影响的到底是什么？？？？？？？？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

liyuell 发表于 2017-11-10 15:25
用k-fold cross validation生成的error来判断哪个模型更加合适的时候，
使用cv.glm()函数前为什么要set.se ...

set.seed是设置随机种子，是为了让随机的运行结果能够重现。设置成不同的数当然就是不同的随机值了。

就是你需要重现时，就输入对应的种子数，就会重现对应的数据。
至于你说不同的种子数， 结果不一样， 说明两个模型效果差不多， 有随机波动，需要多几次随机数据的测试，看看哪个模型得分最好。

jameschin007 发表于 2017-11-13 11:30
就是你需要重现时，就输入对应的种子数，就会重现对应的数据。
至于你说不同的种子数， 结果不一样， 说明 ...

懂了！谢谢！