问题标签 [reproducible-research]

关于 OpenAI 的“改进的 GANs”，我一直在尝试重现此处找到的代码，但我在设置环境（Docker 容器）时遇到了很多麻烦。
我只是无法使 Theano 与此代码一起正常工作。

我创建了一个 Docker 容器来测试它，但是当我使用使用 conda 安装的 Theano 的稳定版本时会引发分段错误...
有些帖子建议改用 Theano 的开发版本，但是当我更新它时，Theano 可以'再也找不到Cudnn了

如果有人对 Theano/lasagne/docker 有一些背景可以帮助我，我将不胜感激。如果需要，我可以粘贴我的Dockerfile, 或任何可以帮助的东西。

我在 python 中执行 RandomForest 和 AdaBoost 回归

我的结果不可重现 [我的预测每次都使用相同的数据和代码运行]

这里 test_adr 和 test_rfr 值每次都会发生变化，我运行我的代码。

请使用任何样本数据进行回归。但请建议如何使我的结果可重现。

我开始思考诸如“80% 的工作由 20% 的代码完成”之类的句子，并想知道是否有任何基础研究、原则或研究可以支持这种说法。

遗憾的是，我的 Google-Fu 不足以给出令人满意的答案。弹出的只是帕累托原理，但我不确定它是否可以应用于这种情况。

1. 关于处理的工作量与 SLOC 的比率是否存在普遍共识？

2. 是否有人对此主题进行过研究，或者是否有统计数据可以支持任何主张？

3. 是否有关于哪种代码属于哪种类别的一般性陈述？（我最初的猜测是80% 的代码 / 20% 的负载部分主要与错误处理有关。）

如何以编程方式解析函数、参数及其返回值的名称？

我有兴趣使用drake 包生成工作计划数据框以自动化 R 数据分析工作流。workplan可以使用该功能生成此类工作计划数据框。

我有一个 R 脚本，其中包含我想使用的功能。例如：

我想以编程方式生成一个如下所示的数据框。如何解析函数名称、参数和返回值，并使用drake::workplan或其他函数创建这样的 data.frame？

一个人会像这样手动做到这一点：

然后使用以下命令运行工作流：

谢谢你。

我一直在使用 sklearn 的随机森林，并尝试比较几个模型。然后我注意到即使使用相同的种子，随机森林也会给出不同的结果。我尝试了两种方式：random.seed(1234) 以及使用随机森林内置 random_state = 1234 在这两种情况下，我得到不可重复的结果。我错过了什么……？

有任何想法吗？谢谢！！

编辑：添加我的代码的更完整版本

编辑：已经有一段时间了，但我认为使用RandomState可能会解决问题。我自己还没有测试它，但如果你正在阅读它，它值得一试。此外，通常最好使用 RandomState 而不是 random.seed()。

我正在尝试检查受 n_estimators 影响的随机森林回归器性能。

这是不可重现的，我一开始也定义了 rng 。

注意：想象一个用于 1 的 For 循环：nrow(dataframe) 每个 1 它通过多个模型，并且我在 For 循环的开头定义了 rng 和 Seed 。

帮帮我！.

2 个样本输出，这应该是理想的。这里的键是指n_estimators

[在此处输入图像描述][模拟 1] [在此处输入图像描述][模拟 2]

我正在使用生成和保存 SVG 图像，matplotlib并希望使它们尽可能重现。但是，即使在设置np.random.seed和之后， SVG 图像中random.seed的各种id和值仍然会在我的代码运行之间发生变化。xlink:href

我认为这些差异是由于用于matplotlib渲染 SVG 图像的后端造成的。有没有办法为此后端设置种子，以便相同的图在两次不同的代码运行之间产生相同的输出？

示例代码（运行两次，plt.savefig为第二次运行更改名称）：

比较文件：

我想使用RISE aka live_reveal 制作交互式幻灯片集（用于在 python 中进行一些实时编码的演示），这是 Jupyter 的笔记本扩展。

我希望幻灯片集可供其他人（以及我未来的自己）使用，而无需太多手动步骤（并且不依赖托管的 Jupyter 解决方案），因此我选择pipenv管理依赖项。

我可以开始

但是，只会pipenv install RISE在本地目录中留下痕迹（在Pipfile和中Pipfile.lock）。因此，在新机器上（或之后pipenv --rm）使用我的文件时

是不够的。必须重复这两个nbextension步骤以启用 RISE 扩展并在 Jupyter 笔记本中使用按钮切换到演示模式。

这可以自动化吗？（不使用额外的工具，如 conda、docker、vagrant、make 或其他构建系统，...）如果是这样，它应该如何自动化？

我可以告诉pipenv（例如 in Pipfile）在安装包后运行这两个命令吗？或者我应该让笔记本（*.ipynb文件）以某种方式加载扩展名？

我经常使用reprex::reprex创建可重现的R代码示例来获得其他人的帮助以消除我的代码中的错误。通常，我使用irisor之类的数据集创建最小的示例mtcars，并且效果很好。但是我总是无法在reprex需要使用自己的数据的任何时候使用，因为问题非常具体，我不能依赖datasets库中的数据集。

在这种情况下，我收到以下错误：

由reprex 包（v0.2.0）于 2018 年 2 月 19 日创建。

在其他地方有一个很好的讨论reprex（如何制作一个很棒的 R 可重现示例？）。作者建议使用类似dput-

如果您有一些使用这些技巧难以构建的数据，那么您始终可以使用例如 或索引来制作原始数据的子head()集subset()。然后使用例如。dput()给我们一些可以R立即放入的东西

但也提到——

如果您的数据框有一个具有多个级别的因子，则dput输出可能会很笨拙，因为它仍会列出所有可能的因子级别，即使它们不存在于您的数据子集中。

因此，如果我想使用我的完整数据集，这不是一个好的选择。

总之：

任何人都知道如何创建一个reprex独立的，即使它依赖于使用包含所有数据的本地文件？

背景

我会收到关于建筑物、大量建筑物和大量设备的设备的每小时间隔报告。设备上的每个参数都称为一个点，它们已经有一个名称，我无法选择点的名称。每个点名称都是唯一的。我正在尝试做的是对每座建筑物运行标准报告。最终，我想把它移到 Shiny 并查看我的图表，也许从那里打印一份报告，但是......小步骤。

问题

我在正确的轨道上吗？有没有更有效的方法来做到这一点？当我开始编写 Markdown 报告或将其转移到 Shiny 时，我会遇到问题吗？

示例代码

解释

所以在这个示例中，tbl.data数据框将是我从每个建筑物接收到的数据。我必须手动创建tbl.equipment和tbl.point数据框，我只需将它们存放在我的机器或数据库上的 *.csv 文件中（并且能够在 Shiny 中添加/编辑）。点名称没有标准，也不能保证每件设备都有每个点。使用select()诸如contains()or之类的助手starts_with()是不可能的。

所以我刚刚创建了一个设备表，其中包含有关设备的参数（在本例中为倍数）。此外，还有一个点表，它告诉您哪个设备以及每个点属于哪个类别。

对于这个简单的示例，我包含了两个示例函数。一个根据数据计算一个值，另一个测试故障。我过去最大的问题是当一个设备没有点时，它会停止执行，所以我必须手动将其取出或其他东西。我想解决方法是exists()在运行那段代码之前使用或类似的东西并进行测试。

同样，对于这个简单的例子，我只是打印了一个图，但输出可能是 Markdown 文档（我想我以前做过，但不是这样）或 Shiny（我创建了一些更简单的应用程序）。

结论

最大的问题是“这是“正确”的做法吗？我确信这很常见，并且必须有一种我没有使用的非常有效的方法。当我开始编写代码以打印报告或将其放入 Shiny 应用程序时，什么会为我的成功做好准备？