Imposta il seme in r
Lo scopo del set.La funzione seed () è quella di garantire che i risultati della randomizzazione siano coerenti. A causa della randomizzazione, quando scegliamo casualmente determinate osservazioni per qualsiasi attività in R o in qualsiasi software statistico, otteniamo valori diversi ogni volta. Se desideriamo mantenere i valori generati dalla scelta casuale iniziale, dopo la randomizzazione, possiamo preservare i risultati in un oggetto o modificare il meccanismo di randomizzazione in modo da ottenere sempre gli stessi risultati."
Qual è il set.compito seed () in r in ubuntu 20.04?
Devi prima stabilire un seme prima di poter utilizzare R per inizializzare un generatore di numeri pseudorandom. La capacità di generare numeri interi pseudorandom che replicano gli attributi delle generazioni indipendenti distribuite uniformemente nell'intervallo (0, 1) è richiesta dalla maggior parte degli strumenti di simulazione nelle statistiche (0,1). È necessario un algoritmo ricorsivo chiamato Generatore di numeri casuali (RNG) per generare queste sequenze di numeri pseudorandom:
xi = f (xi - 1, xi - 2,…, xi - k)Dove (x0, x1,2,…, xk-1) è il seme o lo stato iniziale del generatore e K è l'ordine del generatore. La funzione rngkind o il tipo di parametro del set.La funzione seme in R, che impiega il generatore di twister mersenne per impostazione predefinita, può essere utilizzata per selezionare da una varietà di generatori. La sintassi che utilizziamo per il set.La funzione seme nel linguaggio R è dimostrata come segue:
Sintassi:
impostato.Seme (N)Laddove n è indicato come un numero intero che funge da seme, il valore del seme (n) selezionato verrà utilizzato come punto iniziale per generare una serie di numeri casuali. Di conseguenza, con lo stesso numero di semi, otterrai gli stessi risultati.
Come fare il set.Funzione seme Esegui in R in Ubuntu 20.04?
Diamo un'occhiata a un esempio di come utilizzare il set di R.Metodo seme () per generare un campione coerente di numeri casuali. Il set di un frame di dati.Il metodo seed () è anche mostrato come esempio.
Esempio n. 1: usando il set.Funzione seme per i valori casuali in R in Ubuntu 20.04
Quando si utilizza il set di numeri pseudorandom.Funzione di seme, otterrai un risultato diverso ogni volta che li esegui.
In primo luogo, abbiamo mostrato i numeri casuali generati senza l'insieme.funzione seme. R ha una funzione integrata chiamata rnorm che crea un vettore di numeri casuali correttamente distribuiti. All'interno della funzione RNORM, abbiamo superato il valore numerico 3, che dopo l'esecuzione mostra i tre valori casuali. Tuttavia, se si esegue nuovamente il codice precedente, il risultato è distinto. Poiché non conosci il seme r usato per costruire quella sequenza, questo significa che il codice non è ripetibile.
Ora abbiamo specificato un set.Funzione di semi e imposta il valore al suo interno. Lo stato corrente del generatore di numeri casuali viene salvato nella variabile X, dove il casuale.Il seme viene utilizzato. È un vettore intero la cui lunghezza è determinata dal generatore. Quindi, abbiamo chiamato RNORM con il valore al suo interno. Abbiamo generato il seme due volte ma con il casuale.seme. Quindi genera i diversi valori casuali sia il tempo. Inoltre, abbiamo abbinato sia xe y per avere valori casuali identici, che restituiscono falsi poiché i valori casuali sono diversi.
Possiamo passare qualsiasi valore numerico al set.funzione seme. Genera i valori casuali come nella schermata del prompt r sopra. Abbiamo superato i valori di grado più elevato all'interno della funzione e otteniamo i valori casuali.
Esempio n. 2: usando il set.Funzione seme per una cornice di dati di esempio casuale in R in Ubuntu 20.04
Diamo un'occhiata a un esempio di set di un frame di dati.Funzione seed () Estrazione di un campione di cornice di dati casuale.
Abbiamo invocato il set.Funzione seme in cui viene passato il valore 1234. Quindi, abbiamo creato una variabile rappresentata come un indice in cui la funzione di esempio prende il frame dati MTCAR e il valore 10. Ha generato solo le prime dieci voci nell'output.
Pertanto, il set di dati di esempio casuale viene generato utilizzando il set.funzione seme.
Esempio n. 3: usando il set.Funzione seme per calcolare la mediana in R in Ubuntu 20.04
Impostare un seme in R è vantaggioso con gli studi di simulazione, come abbiamo detto in precedenza. Supponiamo che tu voglia trovare la media di una serie di numeri tratti da una distribuzione omogenea, come dimostrato di seguito.
Sopra, abbiamo specificato il set.Funzione di semi con un numero intero di ingresso. Quindi, abbiamo creato una variabile N_REP e abbiamo assegnato un valore da ripetere. C'è un'altra variabile, N, e impostata con il valore per il numero di punti. La funzione numerica viene applicata alla variabile N_REP, quindi abbiamo iterazione rispetto al numero di ripetizione per i valori mediani.
Se esegui il codice precedente, otterrai il seguente output:
Esempio # 4: usando il set.Funzione di seme per sconvolgerlo in R in Ubuntu 20.04
Infine, potresti voler usare R per ripristinare o sconfiggere un seme. Hai due strategie per ottenere questo.
Poiché R impiega l'orologio di sistema per generare un seme quando uno non viene fornito, è possibile tornare al comportamento predefinito utilizzando il sistema.Approccio temporale. D'altra parte, è possibile passare il valore nullo all'interno del set.Funzione seme per ripristinare il seme.
Conclusione
Possiamo usare un seme casuale in R per garantire che il risultato della nostra funzione R sia ripetibile. Specificando un seme, le operazioni casuali nel nostro programma iniziano sempre nello stesso momento e, di conseguenza, producono lo stesso output. Abbiamo coperto il set.Funzione di semi nel nostro esempio per casi diversi. Tutti gli esempi vengono eseguiti nel terminale Ubuntu e hanno output validi.