r - 如何让 set.seed() 和 sample() 产生相同的结果
问题描述
我看过几篇关于使用set.seed()
函数的帖子,然后是sample()
函数,但我仍然不清楚为什么sample()
会给出不同的结果。
我使用下面的代码复制了一个非常简单的示例,并根据各自的 R 版本得到不同的结果。
我如何sample()
始终如一地获得相同的结果,因为这在共享代码以在另一台机器/平台上重现时很重要。
set.seed(47)
index3 = sample(rnorm(200), 200, replace = FALSE)
index3
第一次运行的版本(Windows):
## _
## platform x86_64-w64-mingw32
## arch x86_64
## os mingw32
## system x86_64, mingw32
## status
## major 3
## minor 5.3
## year 2019
## month 03
## day 11
## svn rev 76217
## language R
## version.string R version 3.5.3 (2019-03-11)
## nickname Great Truth
第二次运行的版本(Mac):
## _
## platform x86_64-apple-darwin17.0
## arch x86_64
## os darwin17.0
## system x86_64, darwin17.0
## status
## major 4
## minor 0.0
## year 2020
## month 04
## day 24
## svn rev 78286
## language R
## version.string R version 4.0.0 (2020-04-24)
## nickname Arbor Day
解决方案
推荐阅读
- amazon-web-services - 如何将 Redshift 集群附加到 VPC
- redis - 使用相同的数据目录运行多个 redis 服务器
- opencv - OpenCV:6个摄像头的汽车鸟瞰图
- java - 从 2d 矩阵创建 3d 矩阵
- c++ - 如何调试 DirectShow 推送源过滤器?
- swift - “线程 1:EXC_BAD_ACCES(代码=2,地址=0x7ffee73ceff8)”是什么意思?
- c# - Docker 和 ARM64 - 无法加载文件或程序集
- android - 无法使用选择器突出显示 RecyclerView 中的项目
- java - 检测到 Logback 配置错误(当我在 Google Cloud Platform 上运行测试时)
- pytorch - 如何在 slurm 中设置 ntasks 或 ntasks-per-node 以在 pytorch 中运行多节点分布式训练?