关于语句set.seed()，如果我没有明确设置它，我可以在运行一些代码后获得种子吗？
我一直在重新运行一些代码（以交互方式/在控制台上），其中包含一个随机化输入数据样本的函数（该函数是kohonen包的一部分）。在玩了一段时间以查看输出的多样性（这是一个“不稳定”的问题）之后，我注意到一个非常有趣的结果。我当然没用过set.seed()，但想知道在运行代码重现结果后是否可以得到种子？
在?set.seed我看到
.Random.seed 保存统一随机数生成器的种子集
但我不知道这有什么帮助。
如果您没有保留种子，那么在您观察到随机抽签后，没有一般的方法可以将随机数生成器“回滚”到之前的状态。展望未来，您可能想要做的是将值.Random.seed与计算结果一起保存。像这样的东西。
x <- .Random.seed
result <- <your code goes here>
attr(result, "seed") <- x
然后您可以按如下方式重置 PRNG；result2应该是一样的result。
.Random.seed <- attr(result, "seed")
result2 <- <your code goes here>
洪的上述回答是强有力的。对于快速而肮脏的解决方案，我只是重新执行整个脚本直到我得到有趣的行为，我随机选择一个整数，将其打印出来，然后将其用作种子。如果我的特定运行有有趣的行为，我会注意到种子：
eff_seed <- sample(1:2^15, 1)
print(sprintf("Seed for session: %s", eff_seed))
set.seed(eff_seed)
要添加到mpettis给出的答案，如果您不想手动重新执行脚本（每次迭代生成新的随机种子），您可以执行以下操作：
# generate vector of seeds
eff_seeds <- sample(1:2^15, runs)
# perform 'runs' number of executions of your code
for(i in 1:runs) {
print(sprintf("Seed for this run: %s", eff_seeds[i]))
set.seed(eff_seeds[i])
# your code here
# don't forget to save your outputs somehow
}
其中变量“runs”是一个正整数，表示您想要运行代码的次数。
通过这种方式，您可以快速生成大量输出，并为每次迭代都有单独的种子以实现可重复性。
> rnorm(5)
[1] -0.17220331 -0.31506128 -0.35264299 0.07259645 -0.15518961
> Seed<-.Random.seed
> rnorm(5)
[1] -0.64965000 0.04787513 -0.14967549 0.12026774 -0.10934254
> set.seed(1234)
> rnorm(5)
[1] -1.2070657 0.2774292 1.0844412 -2.3456977 0.4291247
> .Random.seed<-Seed
> rnorm(5)
[1] -0.64965000 0.04787513 -0.14967549 0.12026774 -0.10934254
这是解决函数没有反getSeed函数问题的尝试setSeed。大约十二小时前，我在Using R, how to get.seed()上发布了一个类似的问题？它被关闭，因为它被归类为“重复”......
我已经“破解”了一个带有种子内存的解决方案，它需要一个全局变量.random.seed.memory。
utils::globalVariables(c(".random.seed.memory"));
时间很重要，因为我必须使用“生成种子”set.seed
github.monte = "https://raw.githubusercontent.com/MonteShaffer/";
include.me = paste0(github.monte, "humanVerse/main/humanVerse/R/functions-str.R");
source(include.me); # trimMe function
include.me = paste0(github.monte, "humanVerse/main/humanVerse/R/functions-random.R");
source(include.me); # getSeed, setSeed, and so on.
该函数的setSeed行为通常类似set.seed，但任何传递给set.seed整数以外的自定义参数（kind、normal.kind、sample.kind）都需要args.set作为省略号列出，...用于setSeed将参数传递给启用和工作initSeed(...)的内部函数。setSeedgetSeed
我还编写了一个 C 标准rand()函数，它传入一个 min、max、n、方法等。这就是我如何生成一个“整数”来提供setSeed并存储在内存中。我将默认种子生成（和） Sys.time()用作最小值/最大值。这是一个坏主意，因为它必须在范围内创建一个向量来计算单个值，但它是一个方法选项which feeds 。我发现默认的“high-low”比“floor”略快。min = -1*as.integer(Sys.time())max = as.integer(Sys.time())samplerand()initSeed
### VERBOSITY is HIGH AT THE MOMENT ###
print("random 5"); rnorm(5);
setSeed(NULL); # this will automatically call initSeedMemory() if necessary
setSeed(.random.seed.memory$last); rnorm(5);
setSeed(getSeed()); rnorm(5);
print("random 5"); rnorm(5);
setSeed(getSeed()); rnorm(5);
默认情况下，它将种子值存储到全局列表中名为“last”的元素中……这使您能够根据正在运行的进程跟踪不同的内存种子。在下面的示例中，我专门访问“last”和“nsim”......存储在内存中的第二个种子......
### VERBOSITY is HIGH AT THE MOMENT ###
initSeedMemory( purge.memory = TRUE);
setSeed(NULL);
setSeed(.random.seed.memory$last); rnorm(5);
setSeed(getSeed()); rnorm(5);
getSeed(); # accessor to .random.seed.memory
.random.seed.memory;
print("random 5"); rnorm(5);
setSeed(NULL, key="nsim"); rnorm(5);
setSeed(.random.seed.memory$nsim, key="nsim"); rnorm(5);
setSeed(getSeed("nsim"), key="nsim"); rnorm(5);
getSeed("nsim"); # accessor to .random.seed.memory
.random.seed.memory;
print("random 5"); rnorm(5);
setSeed(.random.seed.memory$last); rnorm(5);
setSeed(getSeed()); rnorm(5);
.random.seed.memory;
set.seed(.random.seed.memory$last); rnorm(5);
set.seed(.random.seed.memory$nsim); rnorm(5);
.random.seed.memory;
print("random 5"); rnorm(5);
当然，它可能有错误，如果发现任何建议或错误，我将不胜感激。
-- 2021 年 2 月 19 日太平洋标准时间凌晨 5 点左右 --
当然，传递固定种子的能力也是可能的。
setSeed(NULL, "nsim"); rnorm(5); # randomly generated seed under the hood, but stored
setSeed(123, "z5"); rnorm(5); # you can still fix the seed manually yourself, still stored and accessible in the list
setSeed(getSeed("nsim"), "nsim"); rnorm(5);
setSeed(getSeed("z5"), "z5"); rnorm(5);