如何在 R 中使用不同的 set.seed() 多次 运行 相同的模型?

How to run same model multiple times with different set.seed() in R?

我想 运行 使用不同的种子对以下模型进行 3 次。例如,下面的模型是 运行 with seed 314159

set.seed(314159)
    x <- c(11, 5, 2, -5, 7, 2, -11, 9, -5, -5, -4, 17, 2, -10, -11, -10,
           -4, 2, 1, 13)
    a <- 0.1
    b <- 0.1
    c <- 0
    d <- 100^2

    M <- 1e3
    sample <- array(NA, dim=c(M,2))
    mu <- mean(x)
    sig2 <- var(x)
    for( m in 1:M ){
      mu <- rnorm(1, (length(x) + 1/d)^(-1) * (sum(x) + c/d),
                  sqrt( sig2/(length(x) + 1/d) ))
      sig2 <- rigamma(1, .5*length(x)+a+.5,
                      .5*sum( (x-mu)^2 ) + 1/(2*d)*(mu-c)^2 + b )
      sample[m,] <- c(mu,sig2)
    }
    plot( density( sample[,1] ))
    plot( density( sample[,2] ))

如果我想 运行 种子 523626626789 的相同模型,我可以使用任何 for 循环吗? 感谢任何帮助?

你可以只遍历种子

library(LearnBayes)
seeds <- c(314159,523626,626789)

for (seed in seeds) {
  set.seed(seed)
  x <- c(11, 5, 2, -5, 7, 2, -11, 9, -5, -5, -4, 17, 2, -10, -11, -10,
    -4, 2, 1, 13)
  a <- 0.1
  b <- 0.1
  c <- 0
  d <- 100^2

  M <- 1e3
  sample <- array(NA, dim=c(M,2))
  mu <- mean(x)
  sig2 <- var(x)
  for( m in 1:M ){
    mu <- rnorm(1, (length(x) + 1/d)^(-1) * (sum(x) + c/d),
      sqrt( sig2/(length(x) + 1/d) ))
    sig2 <- rigamma(1, .5*length(x)+a+.5,
      .5*sum( (x-mu)^2 ) + 1/(2*d)*(mu-c)^2 + b )
    sample[m,] <- c(mu,sig2)
  }
  plot( density( sample[,1] ))
  plot( density( sample[,2] ))
}

reprex package (v0.3.0)

于 2020 年 1 月 12 日创建

将代码放在函数中

apply_fun <- function() {
  x <- c(11, 5, 2, -5, 7, 2, -11, 9, -5, -5, -4, 17, 2, -10, -11, -10,-4, 2, 1, 13)
  a <- 0.1
  b <- 0.1
  c <- 0
  d <- 100^2
  M <- 1e3
  sample <- array(NA, dim=c(M,2))
  mu <- mean(x)
  sig2 <- var(x)
  for( m in 1:M ){
    mu <- rnorm(1, (length(x) + 1/d)^(-1) * (sum(x) + c/d),
            sqrt( sig2/(length(x) + 1/d) ))
    sig2 <- rigamma(1, .5*length(x)+a+.5,
                .5*sum( (x-mu)^2 ) + 1/(2*d)*(mu-c)^2 + b )
    sample[m,] <- c(mu,sig2)
  }
   plot( density( sample[,1] ))
   plot( density( sample[,2] ))
}

然后对每个种子值使用 lapply

output <- lapply(c(314159, 523626, 626789), function(x) {set.seed(x);apply_fun()})

其中 rigamma

rigamma = function(n, a, b) return(1/rgamma(n, shape = a, rate = b))