问题标签 [reproducible-research]

在放弃了其他方法来正确记录我的R分析环境以实现分析再现性之后，我开始着手将每个单独的分析包装到一个docker容器中。这是我所做的：

1. 从项目中拉出最新的rstudio容器：rocker

   /li>

2. 创建项目特定的副本

   /li>

3. 启动容器：

   /li>

4. R( Studio)- 基于项目分析...以sudo apt-get clean和结尾sudo rm -rf /tmp/*

5. 导出 docker 镜像：

   /li>

从我的本地注册表中删除所有相关容器/图像后，我尝试模拟对打包项目的重新访问，如下所示：

1. 导入容器：

   /li>

2. （尝试）像原始容器一样启动容器：

   docker run -d -p 8787:8787 -e ROOT=TRUE rstudio_project.2018.2

然后我面临以下错误：

我究竟做错了什么？容器在哪里丢失（什么）关于默认启动什么的信息？

我创建了一个 rmarkdown html 文档来共享 R 中分析的代码。我也想包含数据，但我不确定提供数据的最方便的方式（对于接收者）。我可以将 CSV 作为 URI 数据方案嵌入，如下所示：

或者提供一个范围从原始到花哨的 HTML 表格：

我相信还有其他选择。假设数据集与 datasets::iris 具有相似的维度，我如何共享一个数据集：

- 可从大多数平台/软件访问
- 可轻松读入 R
- 可与包含代码的 rmarkdown 文档打包，即要共享的单个文件
- 是最小的文件大小

如果数据集的维度大 100 倍怎么办？

我有一个足够大的图，需要在 RStudio 中使用（PDF）bookdown 绘制肖像文档中的风景。该图有很多内容，因此图标题很长，我无法进一步减少文字。

这是我一直在使用的示例代码：

问题是这会输出一个风景图，但标题在 PDF 输出中呈现为正文文本（即不是作为图形标题）：

\begin{figure} \caption{QTL 每个生殖植物的果实数 (Fruits/RP)、每个果实的种子数 (Seeds/fr)、每个生殖植物的种子数 (Seeds/RP)、种子质量 (Sd mass) 和存活率（生存）。箭头表示具有 95% 贝叶斯可信区间的最可能的 QTL 位置，以及瑞典基因型（向上：增加的表型；向下：减少的表型）在意大利（红色）和瑞典（蓝色）的影响。空心箭头显示可信区间 >15.2cM 的 QTL。染色体右侧的标签表示对生殖力 (c)、生殖力和存活率 (s) 以及生殖力和种子质量 (m) 的成分具有多效性影响的 QTL。灰色框表示跨站点年组合的单个性状的共定位 QTL 范围。} \end{figure}

如果我不使用横向（即省略out.extra='angle=90'），则此方法有效。如果我采用较短的标题块，它也会正确呈现。这有效，例如：

什么时候字幕长度有上限out.extra='angle=90'？

任何人都可以为此建议解决方法吗？

我正在尝试生成 N 组独立随机数。我有一个简单的代码，显示了 3 组 10 个随机数的问题。我注意到即使我使用tf.set_random_seed设置种子，不同运行的结果看起来也不一样。非常感谢任何帮助或评论。

这是代码的输出：

我想要类似的东西

更新 1：确实，我将种子初始化程序放在 for 循环中的原因是因为我想以不同的方式设置它们（例如，将其视为不同的 MCMC 运行）。这是我完成这项工作的代码，但我不确定它是否有效。基本上我会在 0 到 2^32-1 之间生成几个随机种子，并在每次运行中更改种子。非常感谢任何有助于提高内存/RAM 效率的帮助或评论。

我在备忘单中使用基于 Quickstart 示例的mlr 代码。我添加了并行化并尝试多次调整参数。

问题：即使我set.seed()在调整之前每次都设置了，为什么重现性会失败（为什么结果不一样）？我的代码中缺少什么？我应该如何修改代码以实现可重现性？

代码（在我的电脑上最多运行 1 分钟）：

结果不相同：

我也试过

代替

这并没有导致可重复性。

但是当并行化关闭时，结果是相同的set.seed(123456, "L'Ecuyer-CMRG")（除了开始/结束时间和持续时间）。

Make 可以方便地使具有依赖性的研究和数据分析更具可重复性，例如：

从源数据重新生成图形，将所有输出保存到./output. 但是我们可以让事情变得更紧凑吗？例如，通过

1. 避免重复，例如：

   /li>

2. 重新组织以更通用地关联代码（本例中为 R 脚本）数据（csv）和输出（pdf、Rout）？

3. 更好地处理输出到./output目录的导出？

可重复性很重要。在我目前正在研究的一个闭源机器学习项目中，很难实现它。要看哪些部位？

尽管我设置了种子，但我目前有可重复性问题。我知道模型的初始化方式相同（通过检查model.save("initial.h5")withh5dump和 meld 进行检查）。

接下来我要检查训练样本是否以相同的顺序使用。因此，我想记录它们。

我通过训练

我也可以加dataset['train']['id']。我想获得一个包含正在使用的 ID 列表的 txt 文件，例如，对于 32 的批量大小、765 的训练数据集长度和 5 个 epoch，我希望 txt 文件中有 765 * 5 = 3825 行，其中每个ID 大概出现了 5 次，前 32 个元素是第一批的 ID。

那可能吗？

我有data.frame两 (2) 行。我正在尝试使用以下colorBin函数将这些数据与颜色映射leaflet

即使城市有不同的垃圾箱

我总是在地图上得到错误的颜色。形状文件很好，我从美国人口普查局下载了它，不明白为什么我的垃圾箱没有正确地进行颜色映射。

如果我需要上传我的 dsch_count_by_city 和 dsch_count_shp 作为文件，我可以尝试这样做

请考虑以下事项。我开始使用 R markdown 编写可重现的文档，并希望得到一些报告的输出。由于我正在使用多个，data.frame并且它们的列名不是很丰富或漂亮，我想col.names使用knitr::kable().

问题：由于data.frame它相当大并且我只想在整个报告中显示特定的列，我希望新的列名根据我选择的列自动出现。

我可以手动执行此操作，如下例所示：

但是，当我将其减少data.frame为仅显示某些列时，我必须col.names再次手动设置（此处删除col.names我不再需要的）以不收到错误消息：

问题：有没有办法克服这个问题，例如switch只使用和指定一次"Sepal.Length" = "Sepal length"等？这还应该考虑到我创建的任何新列，例如通过dplyr::mutate()保持新添加的列名原样或在文档开头指定它而不在每次该列不（尚）存在时返回错误.