从R中的parallelSVM复制结果的问题

Question

我无法设置种子值来从中获得可重复的结果parallelSVM()。

 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，但是我不知道该怎么做。

我知道使用时有一个选项，mclapply但这对我的情况没有帮助。

---

编辑：
我已经发现通过改变功能的溶液trainSample()内的parallelSVM具有trace和doRNG包装用于与种子foreach循环。

有人知道更好的解决方案吗？

Answer 1

简而言之，没有实现的方法来parallelSVM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 stackoverflow 上努力挖掘解决方案是可能的！

感谢这个答案，关于包的使用doRNG，以及这个答案给了我一个更简单的封闭解决方案的想法。

解决方案：

在parallelSVM包中，并行化是通过parallelSVM::registerCores函数进行的。该函数仅doParallel::registerDoParallel使用核心数量进行调用，没有其他参数。我的想法只是改变parallelSVM::registerCores函数，以便它在创建新集群后自动设置种子。

当执行并行计算时，您需要并行种子，您需要确保两件事

1. 需要将种子给予集群中的每个节点
2. 生成器必须是跨簇渐近随机的生成器。

幸运的是，该doRNG包处理了第一个，并使用了一个在 2 上可以使用的种子。使用unlockNamespace和 的组合，assign我们可以覆盖parallelSVM::registerCores，这样它就包含了doRNG::registerDoRNG对适当种子的调用（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没有能力正确评估由parallel::parallelSvm，因此预测最好检查模型是否相同。

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

唷..

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"

（由于未设置 RNNG 种子，输出会有所不同）

set.seed.parallelSWM 函数

归功于这个答案。请注意，我们可能不必在作业上加倍，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()
}