在 R 中从 parallelSVM 重现结果的问题

Question

我无法设置种子值以从 parallelSVM() 获得可重现的结果。

 library(e1071)
 library(parallelSVM)

 data(iris)
 x <- subset(iris, select = -Species)
 y <- iris$Species

set.seed(1)
model       <- parallelSVM(x, y)
parallelPredictions <- predict(model, x)

set.seed(1)
model2       <- parallelSVM(x, y)
parallelPredictions2 <- predict(model2, x)

all.equal(parallelPredictions,parallelPredictions2)

我知道这不是为多核操作设置种子值的正确方法，但我不知道该怎么做。

我知道在使用 mclapply 时有一个选项，但这对我的情况没有帮助。

编辑：
我找到了一个解决方案，方法是将 parallelSVM 中的函数 trainSample() 更改为 trace 和 doRNG 种子包使用 foreach 循环。

有人知道更好的解决方案吗？

Answer 1

简而言之，parallelSVM中没有实现方法来处理这个问题。然而，该包使用 foreach 和 doParallel 包来处理它的并行操作。在 Whosebug 上努力挖掘一个解决方案是可能的！

感谢 , on the usage of the doRNG package, and this answer 让我想到了一个更简单的封闭式解决方案。

解决方案：

在 parallelSVM 包中，并行化通过 parallelSVM::registerCores 函数发生。此函数仅使用核心数调用 doParallel::registerDoParallel，没有其他参数。我的想法是简单地更改 parallelSVM::registerCores 函数，使其在创建新集群后自动将种子设置为。

在执行并行计算时，需要并行种子，需要确保两件事

种子需要给集群中的每个节点
生成器需要是跨集群渐近随机的生成器。

幸运的是，包处理了第一个，并使用了在 2 上可用的种子。使用 unlockNamespace 和 assign 的组合，我们可以覆盖 parallelSVM::registerCores，这样它就包含了对 doRNG::registerDoRNG 的调用以及适当的种子（答案末尾的函数）。这样做我们实际上可以获得适当的再现性，如下图所示：

library(parallelSVM)
library(e1071)
data(magicData)
set.seed.parallelSWM(1) #<=== set seed as we would normally.
#Example from help(parallelSVM)
system.time(parallelSvm1 <- parallelSVM(V11 ~ ., data = trainData[,-1],
                                       numberCores = 4, samplingSize = 0.2, 
                                       probability = TRUE, gamma=0.1, cost = 10))
system.time(parallelSvm2 <- parallelSVM(V11 ~ ., data = trainData[,-1],
                                       numberCores = 4, samplingSize = 0.2, 
                                       probability = TRUE, gamma=0.1, cost = 10))
pred1 <- predict(parallelSvm1)
pred2 <- predict(parallelSvm2)
all.equal(pred1, pred2)
[1] TRUE
identical(parallelSvm1, parallelSvm2)
[1] FALSE

请注意，identical 没有能力正确评估 parallel::parallelSvm 输出的对象，因此预测更好地检查模型是否相同。

为了安全起见，让我们检查问题中的可重现示例是否也是这种情况

x <- subset(iris, select = -Species)
y <- iris$Species
set.seed.parallelSWM(1) #<=== set seed as we would normally (not necessary if above example has been run).
model       <- parallelSVM(x, y)
model2       <- parallelSVM(x, y)
parallelPredicitions <- predict(model, x)
parallelPredicitions2 <- predict(model2, x)
all.equal(parallelPredicitions, parallelPredicitions2)
[1] TRUE

呼..

最后，如果我们完成了，或者如果我们再次想要随机种子，我们可以通过执行

来重置种子

set.seed.parallelSWM() #<=== set seed to random each execution (standard).
#check:
model       <- parallelSVM(x, y)
model2       <- parallelSVM(x, y)
parallelPredicitions <- predict(model, x)
parallelPredicitions2 <- predict(model2, x)
all.equal(parallelPredicitions, parallelPredicitions2)
[1] "3 string mismatches"

（输出会有所不同，因为 RNNG 种子未设置）

set.seed.parallelSWM 函数

归功于。请注意，我们可能不必将作业加倍，但在这里我只是简单地复制了答案，而没有检查代码是否可以进一步减少。

set.seed.parallelSWM <- function(seed, once = TRUE){
    if(missing(seed) || is.character(seed)){
        out <- function (numberCores) 
        {
            cluster <- parallel::makeCluster(numberCores)
            doParallel::registerDoParallel(cluster)
        }
    }else{
        require("doRNG", quietly = TRUE, character.only = TRUE)
        out <- function(numberCores){
            cluster <- parallel::makeCluster(numberCores)
            doParallel::registerDoParallel(cluster)
            doRNG::registerDoRNG(seed = seed, once = once)
        }
    }
    unlockBinding("registerCores", as.environment("package:parallelSVM"))
    assign("registerCores", out, "package:parallelSVM")
    lockBinding("registerCores", as.environment("package:parallelSVM"))
    unlockBinding("registerCores", getNamespace("parallelSVM"))
    assign("registerCores", out, getNamespace("parallelSVM"))
    lockBinding("registerCores", getNamespace("parallelSVM"))
    #unlockBinding("registerCores", as.environment("package:parallelSVM"))
    invisible()
}

在 R 中从 parallelSVM 重现结果的问题

Problem to reproduce results from parallelSVM in R

r

machine-learning

parallel-processing

random-seed

reproducible-research

解决方案：

set.seed.parallelSWM 函数