Question

当我在设置set.seed（0）和set.seed（1）时在R中发生奇怪的事情;

set.seed(0)
sample(1:100,size=10,replace=TRUE)
#### [1] 90 27 38 58 91 21 90 95 67 63


set.seed(1)
sample(1:100,size=10,replace=TRUE)
#### [1] 27 38 58 91 21 90 95 67 63  7

当将种子从0更改为1时，我得到完全相同的序列，但移位了1个单元格！

请注意，如果我执行set.seed（2），我会得到一个看似完全不同的（随机？）向量。

set.seed(2)
sample(1:100,size=10,replace=TRUE)
#### [1] 19 71 58 17 95 95 13 84 47 55

任何人都知道这里发生了什么？

Answer 1

这适用于Mersenne-Twister RNG的R实现。

set.seed()获取提供的种子并对其进行加密（在C函数RNG_Init中）：

for(j = 0; j < 50; j++)
  seed = (69069 * seed + 1);

然后将扰乱的数字（seed）加扰625次以填写Mersenne-Twister的初始状态：

for(j = 0; j < RNG_Table[kind].n_seed; j++) {
  seed = (69069 * seed + 1);
  RNG_Table[kind].i_seed[j] = seed;
}

我们可以使用.Random.seed检查RNG的初始状态：

set.seed(0)
x <- .Random.seed

set.seed(1)
y <- .Random.seed

table(x %in% y)

您可以从表中看到有很多重叠。将其与seed = 3：

进行比较

set.seed(3)
z <- .Random.seed

table(z %in% x)
table(z %in% y)

回到0和1的情况，如果我们检查状态本身（忽略向量的前两个元素不适用于我们正在看的东西），你可以看到状态被一个偏移：

x[3:10]
# 1280795612 -169270483 -442010614 -603558397 -222347416 1489374793  865871222
# 1734802815

y[3:10] 
# -169270483 -442010614 -603558397 -222347416 1489374793  865871222 1734802815
# 98005428

由于sample()选择的值基于这些数字，因此您会得到奇怪的行为。

Answer 2

从其他答案中可以看出，种子0和1会产生几乎相似的初始状态。此外，Mersenne Twister PRNG有一个severe limitation - “几乎相似的初始状态需要很长时间才能发散”

因此建议使用WELL PRNG等替代品（可以在randtoolbox包中找到）

R：set.seed（）的怪异行为

2 个答案: