R中e1071中的概率在SVM预测中的“随机”或非确定性因素是什么？

Question

我是 SVM 和 e1071 的新手。我发现每次运行完全相同的代码时结果都不同。

例如：

data(iris)
library(e1071)

model <- svm(Species ~ ., data = iris[-150,], probability = TRUE)
pred <- predict(model, iris[150,-5], probability = TRUE)
result1 <- as.data.frame(attr(pred, "probabilities"))

model <- svm(Species ~ ., data = iris[-150,], probability = TRUE)
pred <- predict(model, iris[150,-5], probability = TRUE)
result2 <- as.data.frame(attr(pred, "probabilities"))

然后我得到result1：

         setosa versicolor virginica
150 0.009704854  0.1903696 0.7999255

和result2 为：

        setosa versicolor virginica
150 0.01006306  0.1749947 0.8149423

结果每一轮都在变化。

这里我使用前 149 行作为训练集，最后一行作为测试。 result1 和 result2 中每个类的概率并不完全相同。我猜在预测过程中有一些“随机”的过程。这是怎么回事？

我知道，如果我在每次通话前set.seed() 使用相同的号码，则可以修复预测的概率。我并不是“瞄准”一个固定的预测结果，只是好奇为什么会发生这种情况以及生成概率预测需要哪些步骤。

微小的差异对 iris 数据并没有真正的大影响，因为最后一个样本仍会被预测为“virginica”。但是当我的数据（有两个 A 和 B 类）不是那么“好”，并且预测未知样本两次成为 A 类的概率分别为 0.489 和 0.521 时，就会令人困惑。

谢谢！

Answer 1

SVM 在开发概率估计时使用交叉验证步骤。 source code for that step 开头为：

// Cross-validation decision values for probability estimates
static void svm_binary_svc_probability(
    const svm_problem *prob, const svm_parameter *param,
    double Cp, double Cn, double& probA, double& probB)
{
    int i;
    int nr_fold = 5;
    int *perm = Malloc(int,prob->l);
    double *dec_values = Malloc(double,prob->l);

    // random shuffle
    GetRNGstate();
    for(i=0;i<prob->l;i++) perm[i]=i;
    for(i=0;i<prob->l;i++)
    {
        int j = i+((int) (unif_rand() * (prob->l-i))) % (prob->l-i);
        swap(perm[i],perm[j]);
    }

您可以通过在调用之前设置随机种子来创建“可预测性”：

> data(iris)
> library(e1071)
> set.seed(123)
> model <- svm(Species ~ ., data = iris[-150,], probability = TRUE)
> pred <- predict(model, iris[150,-5], probability = TRUE)
> result1 <- as.data.frame(attr(pred, "probabilities"))
> set.seed(123)
> model <- svm(Species ~ ., data = iris[-150,], probability = TRUE)
> pred <- predict(model, iris[150,-5], probability = TRUE)
> result2 <- as.data.frame(attr(pred, "probabilities"))
> result1
         setosa versicolor virginica
150 0.009114718  0.1734126 0.8174727
> result2
         setosa versicolor virginica
150 0.009114718  0.1734126 0.8174727

但我想起了爱默生的一句警句：“愚蠢的一致性是小人的妖精。”