在插入符号中设置种子并行随机森林以获得可重复的结果答案

【问题标题】：Set seed parallel random forest in caret for reproducible result在插入符号中设置种子并行随机森林以获得可重复的结果
【发布时间】：2015-03-12 17:34:14
【问题描述】：

我希望使用 caret 包并行运行随机森林，并且我希望设置种子以获得可重现的结果，如 Fully reproducible parallel models using caret。但是，我不理解从插入符号帮助中获取的以下代码中的第 9 行：为什么我们采样 22（加上第 12、23 行中的最后一个模型）整数（评估参数 k 的 12 个值）？有关信息，我希望运行 5 倍 CV 来评估 RF 参数“mtry”的 584 个值。任何帮助深表感谢。谢谢。

## Not run:

## Do 5 repeats of 10-Fold CV for the iris data. We will fit
## a KNN model that evaluates 12 values of k and set the seed
## at each iteration.

set.seed(123)
seeds <- vector(mode = "list", length = 51)
for(i in 1:50) seeds[[i]] <- sample.int(1000, 22) # Why 22?

## For the last model:
seeds[[51]] <- sample.int(1000, 1)

ctrl <- trainControl(method = "repeatedcv", 
                 repeats = 5,
                 seeds = seeds)

【问题讨论】：

是的，这看起来像是一个错误，您希望对其进行 50 次采样。即使他们想在折叠之间重复使用种子，你也会期望 10 的倍数。我会说这是一个错误。

标签： parallel-processing set seed r-caret reproducible-research

【解决方案1】：

我会说这是一个错误，应该是 12 而不是 22。

据我了解，您将运行模型 10*5 = 50 次，对于每个 k 值。因此，对于 1:50 中的每个 i，您将需要 12 个种子（每 k 个种子）。获得最佳 k 后，您将运行最终模型。这一次，您只需要一个种子（不再重复重采样）。

【讨论】：