set.seed()作用

R语言中set.seed()作用是设定生成随机数的种子，种子是为了让结果具有重复性，重现结果。如果不设定种子，生成的随机数无法重现。

> x<-rnorm(5) #随机生成10个随机数
> x
[1]  1.2359036  0.3247500 -0.8379907  0.6186568  0.1915741
> x<-rnorm(5) #再次随机生成10个随机数
> x<-rnorm(5)
> x
[1] -0.44325878  0.05537136  2.13691467 -1.10196137  0.22328708

两个结果不相同

> set.seed(12345) #设定种子
> x<-rnorm(5) # 在设定种子的前提下生成10个随机数
> x
[1]  0.5855288  0.7094660 -0.1093033 -0.4534972  0.6058875

> set.seed(12345) # 设定种子
> y<-rnorm(10)
> y<-rnorm(5)
> y
[1]  0.5855288  0.7094660 -0.1093033 -0.4534972  0.6058875
> x==y
[1] TRUE TRUE TRUE TRUE TRUE

后两次在设定了相同的种子前提下，生成的随机数是相同的。

说明，来源于网络

计算机并不能产生真正的随机数，如果你不设种子，计算机会用系统时钟来作为种子，如果你要模拟什么的话，每次的随机数都是不一样的，这样就不方便你研究，如果你事先设置了种子，这样每次的随机数都是一样的，便于重现你的研究，也便于其他人检验你的分析结果。

set.seed(3000)，不是运行3000次，而是把种子设置为3000。

计算机的程序，都是通过确定的算法，根据确定的输入，算出确定的输出。想要得到真正的随机，需要通过外接物理随机数发生器，通过把随机的物理过程转变为随机值，才能实现。因此我们平常使用的计算机的随机数，其实都只是通过算法模拟得到，也就是伪随机。一般采用的办法是线性同余：

X[n+1] = (a * X[n] + c) mod m

为简单起见，我取简单的参数（a = 1, c = 3, m = 5），得到一个简单的算式：

X[n+1] = (X[n] + 3) mod 5

这时，把X[0]视为种子，于是：

若种子为0，得到数列：0, 3, 1, 4, 2, 0, …

若种子为1，得到数列：1, 4, 2, 0, 3, 1, …

若种子为2，得到数列：2, 0, 3, 1, 4, 2, …

若种子为3，得到数列：3, 1, 4, 2, 0, 3, …

若种子为4，得到数列：4, 2, 0, 3, 1, 4, …

对于每个种子，所得到的数列看起来都是随机的（每个数值出现的频率都是相同的）。而一旦种子给定，每次调用随机数函数，函数都会根据上次得到的数列的某个值，计算出数列的下一个值并返回回来。而对于随机浮点数，一般是用随机产生的整数除以最大整数得到。

所以，随机数的种子一般只需要在调用随机函数之前设置一次，不建议设置多次。