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)

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。

集。Seed是一个基函数，它能够(每当您需要时)将其他函数(rnorm、runif、sample)一起生成相同的随机值。

下面是一个没有set.seed的例子

> set.seed(NULL)
> rnorm(5)
[1]  1.5982677 -2.2572974  2.3057461  0.5935456  0.1143519
> rnorm(5)
[1]  0.15135371  0.20266228  0.95084266  0.09319339 -1.11049182
> set.seed(NULL)
> runif(5)
[1] 0.05697712 0.31892399 0.92547023 0.88360393 0.90015169
> runif(5)
[1] 0.09374559 0.64406494 0.65817582 0.30179009 0.19760375
> set.seed(NULL)
> sample(5)
[1] 5 4 3 1 2
> sample(5)
[1] 2 1 5 4 3

下面是set.seed的示例

> set.seed(123)
> rnorm(5)
[1] -0.56047565 -0.23017749  1.55870831  0.07050839  0.12928774
> set.seed(123)
> rnorm(5)
[1] -0.56047565 -0.23017749  1.55870831  0.07050839  0.12928774
> set.seed(123)
> runif(5)
[1] 0.2875775 0.7883051 0.4089769 0.8830174 0.9404673
> set.seed(123)
> runif(5)
[1] 0.2875775 0.7883051 0.4089769 0.8830174 0.9404673
> set.seed(123)
> sample(5)
[1] 3 2 5 4 1
> set.seed(123)
> sample(5)
[1] 3 2 5 4 1

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。

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

当我们尝试优化一个涉及随机生成数字的函数时(例如，在基于模拟的估计中)，固定种子是必不可少的。松散地说，如果我们不固定种子，由于绘制不同的随机数而产生的变化很可能导致优化算法失败。

假设，由于某种原因，你想通过模拟估计一个均值为零的正态分布的标准差(sd)，给定一个样本。这可以通过围绕步骤运行数值优化来实现

(播撒种子) 给定一个sd值，生成正态分布数据 根据模拟分布评估数据的可能性

下面的函数执行此操作，但没有步骤1。，一旦包括它:

# 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)))
}

我们可以通过一个简短的蒙特卡罗研究来检查两个函数在发现真参数值时的相对性能:

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)

参数估计值的结果分布如下:

当我们固定种子时，数值搜索的结果往往更接近真正的参数值2。