跨年运行set.seed()结果不一致

tianwild

今天发现一个奇怪的问题，服务器里面的R开了很久，运行下面代码产生的随机数不一致

set.seed(1234)

rnorm(10)

服务器上的运行结果：

[1] -0.06795728 -0.78572129 0.15351424 0.03704077 0.92637663 -0.08377237 0.09512727 1.05630168 -0.12016600 0.36376266

而本机运行结果：

[1] -1.2070657 0.2774292 1.0844412 -2.3456977 0.4291247 0.5060559 -0.5747400 -0.5466319 -0.5644520 -0.8900378

确认了下服务器的运行时间：

> Sys.time() - proc.time()[3]

"2012-12-31 10:02:59 CST"

不知道这个是什么问题？

Ihavenothing

回复第1楼的 tianwild：

这个应该不是时间问题，而是系统不同。

tianwild

回复第2楼的 Ihavenothing：我也是好奇一下，两边出来的结果不大一样，不知道是不是个bug

nan.xiao

一般 32 位和 64 位这个结果是不一样的。

所以说设置随机数种子让结果可重现，也只是广义上的可重现，不可能做到所有平台上都精确一致。只是在环境比较类似的情况下，可以重现结果而已。

tianwild

回复第4楼的肖楠：了解了解看来以后得注意这个问题谢谢版主

micro@

应该看两台机器的RNGkind()是否一样. 32/64虽有差别，但是应该不会达到如此程度。

同一台机器重现两个结果：

<br />
set.seed(1234, "L'Ecuyer-CMRG","Inversion"); rnorm(10)<br />
# [1] -0.06795728 -0.78572129  0.15351424  0.03704077  0.92637663 -0.08377237  0.09512727  1.05630168 -0.12016600  0.36376266<br />
set.seed(1234, "Mersenne-Twister","Inversion"); rnorm(10)<br />
# [1] -1.2070657  0.2774292  1.0844412 -2.3456977  0.4291247  0.5060559 -0.5747400 -0.5466319 -0.5644520 -0.8900378<br />

micro@

Here is another example. Although it's not easy to know which random number generator is best, there are certainly some bad choices in R:

<br />
RNGkind("Marsaglia-Multicarry",   "Kinderman-Ramage")<br />
set.seed(1234L)<br />
tmp=rnorm(1e7L);dim(tmp)=c(1e3L,1e4L)<br />
plot(apply(tmp,2L,max),pch='.',cex=2)<br />

nan.xiao

回复第6楼的 micro@：

除了用 parallel 以外，一般不会有人去把梅森旋转改成 L'Ecuyer-CMRG 吧。。。但是看结果确实是这样。

micro@

回复第8楼的肖楠：Hard to say...

First of all, isn't parallel nearly the norm nowadays?

Secondly, some useRs might prefer a faster random number generator when speed is a concern.

micro@

回复第4楼的肖楠：My guess is that most of the differences between 32 and 64 should lie in float point computations (together with the use of some highly variable, sensitive, but somewhat unfortunately popular, statistical methods, like the trees/hclust). But most random number generators only work on integers or in a bitwise manner.

nan.xiao

回复第9楼的 micro@：

另选随机数发生器会直接造成结果明显差异，我想这一点楼主应该是清楚的。但楼主却没提到这个关键信息，所以只能让人猜测是其他层面的原因了。

nan.xiao

回复第10楼的 micro@：

印象中 32/64 R 中浮点数精度应该是相同的？只是指针什么的不太一样。

而 RNG 的确不涉及浮点数，同一 RNG 结果不一样可能和具体的库有关，这个真不太了解。。请原谅我的无知。。[s:18]

nan.xiao

楼主不打算出来解释下？

tianwild

回复第13楼的肖楠：抱歉，没有及时回复

随机数变化，结果是会有差异的，差异大小可以一定程度上说明模型的稳定性

无知的我对R的随机数原理不是很了解。。[s:18]

jiangnping

设置随机种子后，直接输出结果和赋值，结果也不一致.求解释~~

> set.seed(12)<br />
> rnorm(5)<br />
[1] -1.4805676  1.5771695 -0.9567445 -0.9200052 -1.9976421<br />
> x=rnorm(5)<br />
> x<br />
[1] -0.2722960 -0.3153487 -0.6282552 -0.1064639  0.4280148<br />
> y=rnorm(5)<br />
> y<br />
[1] -0.77771958 -1.29388230 -0.77956651  0.01195176 -0.15241624<br />

皮皮米菲兔

回复第15楼的 jiangnping：

<br />
set.seed(12)<br />
rnorm(5)<br />
[1] -1.4805676  1.5771695 -0.9567445 -0.9200052 -1.9976421<br />
set.seed(12)<br />
x=rnorm(5)<br />
x<br />
[1] -1.4805676  1.5771695 -0.9567445 -0.9200052 -1.9976421<br />
set.seed(12)<br />
y=rnorm(5)<br />
y<br />
[1] -1.4805676  1.5771695 -0.9567445 -0.9200052 -1.9976421<br />

tianwild

回复第15楼的 jiangnping：

你再试试这个：

<br />
set.seed(1234)<br />
rnorm(10)<br />
set.seed(1234)<br />
x <- rnorm(10)<br />
x<br />
set.seed(1234)<br />
y <- rnorm(10)<br />
y<br />
set.seed(1234)<br />
rnorm(10)<br />

jiangnping

回复第17楼的 tianwild：怪了[s:14]

> set.seed(1234)<br />
> rnorm(10)<br />
 [1] -1.2070657  0.2774292  1.0844412 -2.3456977  0.4291247  0.5060559<br />
 [7] -0.5747400 -0.5466319 -0.5644520 -0.8900378<br />
> x=rnorm(10)<br />
> x<br />
 [1] -0.47719270 -0.99838644 -0.77625389  0.06445882  0.95949406 -0.11028549<br />
 [7] -0.51100951 -0.91119542 -0.83717168  2.41583518<br />
> y=rnorm(10)<br />
> y<br />
 [1]  0.1340882 -0.4906859 -0.4405479  0.4595894 -0.6937202 -1.4482049<br />
 [7]  0.5747557 -1.0236557 -0.0151383 -0.9359486><br />

皮皮米菲兔

回复第18楼的 jiangnping：一点都不怪，你这个代码跟楼上给的不一样啊

jiangnping

回复第19楼的波波头一头：见笑了，看花眼了。原来set.seed只能管一次。