R e1071 交叉验证精度不一样

Question

我试图重现第 10 页的 libsvm“支持向量分类的实用指南”中显示的示例。我使用的数据“train.2”可以在此处下载“http://www.csie.ntu.edu.tw/~cjlin/papers/guide/data/”。

为了解析数据，测试分类准确率，我写了如下代码：

library(e1071)
rm(list=ls(all=T))
root <- "C:/Users/administrator/Documents/RProjects/libsvm"
bioDataFile <- sprintf("%s/data/train.2", root)
bioData <- read.delim(bioDataFile, header=F, sep=" ", stringsAsFactors=F)
bioData <- bioData[, c(-2,-3,-ncol(bioData))]
bioData <- lapply(1:nrow(bioData), function(n){
reformData <- bioData[n,-1,drop=F]
reformData <- sapply(1:ncol(reformData), function(m){
as.numeric(unlist(strsplit(reformData[,m], ":"))[2])
})
data.frame(Type=factor(bioData[n,1]), t(reformData))
})
bioData <- do.call("rbind", bioData)

然后我进行了测试：

bioData.model <- svm(Type~., data=bioData, cross=5)

但是，我发现： 1.我无法得到与手册中相同的结果； 2. 我发现每次运行命令时，k-fold 交叉验证准确率（mean(bioData.model$accuracies) 或 bioData.model$tot.accuracy）都不一样。

我使用 libsvm 包中提供的 svm-train.exe 进行了相同的测试，它确实产生了与手册中所示相同的结果，并且无论我运行多少次测试，它总是给我相同的结果k-fold 交叉验证准确率。

谁能告诉我为什么？任何帮助将不胜感激。

Answer 1

如果您查看documentation，您会发现您使用的函数依赖于“随机数”。 “随机”一词在计算机科学中有些含糊。事实上，有一种算法可以创建所谓的“伪随机”数字。该算法（在基本术语中）采用一个参数（它应该从哪里开始）并每次(random seed) 产生相同的序列。顺便说一句，这是所有现代加密系统的基础，即在给定相同随机种子的情况下，序列始终相同。

在 R 中设置随机种子：

set.seed(3)

其中 3 可以替换为您要设置的任何数字。现在，一旦您设置了它，每次生成一个随机数时，都会采用伪随机序列中的下一个数字。因此，如果您设置了种子，请尝试几次，然后运行您的代码，它不会产生与设置随机种子后立即运行代码相同的结果。

希望这会有所帮助！