R e1071交叉验证的准确性是不一样的

Question

＆lt; p＆gt;我试图重现libsvm＆＃34;支持向量分类的实用指南＆＃34;第10页。数据＆＃34; train.2＆＃34;我使用的可以在这里下载＆＃34;＆lt; a href =＆＃34; http：//www.csie.ntu.edu.tw/~cjlin/papers/guide/data/"的rel =＆＃34; nofollow的＆＃34;＆GT; HTTP：//www.csie.ntu.edu.tw/~cjlin/papers/guide/data/< / A＆GT;＆＃34;＆LT; / p为H. ＆lt; p＆gt;为了解析数据并测试分类准确性，我编写了以下代码：＆lt; / p＆gt; ＆LT;预＆GT;＆LT;代码＆GT;库（e1071） RM（列表= LS（所有= T）） root＆lt; - ＆＃34; C：/ Users / administrator / Documents / RProjects / libsvm＆＃34; bioDataFile＆lt; - sprintf（＆＃34;％s / data / train.2＆＃34;，root） bioData＆lt; - read.delim（bioDataFile，header = F，sep =＆＃34;＆＃34;，stringsAsFactors = F） bioData＆lt; - bioData [，c（-2，-3，-ncol（bioData））] bioData＆lt; - lapply（1：nrow（bioData），function（n）{ reformData＆lt; - bioData [n，-1，drop = F] reformData＆lt; - sapply（1：ncol（reformData），function（m）{ as.numeric（unlist（strsplit（reformData [，m]，＆＃34;：＆＃34;））[2]） }） data.frame（Type = factor（bioData [n，1]），t（reformData）） }） bioData＆lt; - do.call（＆＃34; rbind＆＃34;，bioData） ＆LT; /代码＆GT;＆LT; /预＆GT; ＆lt; p＆gt;然后我执行了测试：＆lt; / p＆gt; ＆lt; pre＆gt;＆lt; code＆gt; bioData.model＆lt; - svm（Type~。，data = bioData，cross = 5） ＆LT; /代码＆GT;＆LT; /预＆GT; ＆lt; p＆gt;但是，我发现： 1.我无法获得与手册中显示的相同的结果; 2.我发现每次运行命令时，k折交叉验证的准确度（平均值（bioData.model $ accuracies）或bioData.model $ tot.accuracy）都不同。＆lt; / p＆gt; ＆lt; p＆gt;我使用libsvm包中提供的svm-train.exe进行了相同的测试，它确实产生了与手册中显示的相同的结果，无论我运行多少次测试，它总是给我相同的k倍交叉验证准确度。＆lt; / p＆gt; ＆lt; p＆gt;有人可以告诉我为什么吗？任何帮助将不胜感激。＆lt; / p＆gt;

Answer 1

如果您查看documentation，您会发现您使用的功能依赖于“随机数”。术语“随机”在计算机科学中有些含糊不清。实际上，有一种算法可以创建所谓的“伪随机”数字。该算法（基本术语）接受一个参数（它应该从哪里开始）并且每次(random seed)产生相同的序列。顺便说一下，这就是所有现代加密系统所依据的事实，即在给定相同的随机种子的情况下，序列总是相同的。

在R中设置随机种子：

set.seed(3)

其中3可以替换为您要设置的任何数字。现在，一旦设置了它，每次生成一个随机数时，将采用伪随机序列中的下一个数字。因此，如果您设置种子，请尝试几次，然后运行您的代码，它不会产生与设置随机种子后立即运行代码相同的结果。

希望这有帮助！