47-20
用lasso回归建模，相同的输入文件，运行两次构建的模型并一样。
类似问题：用glmnet包来筛选logistics回归的变量，发现同样的代码，多次运行其结果并不完全一致。也就是说，有可能这次运行筛选出来1个变量，下次运行就筛出2个。本质就是lamda.min这个取值在变化。请问各位这是为什么？是我代码有问题还是lasso本身就不是很稳定？
参考方案：
①lambda的取值通过交叉验证确定 交叉验证的集合划分是random 如果想固定取值 可以在cv.glmnet这句前加set.seed()
②每次做cv.glmnet的时候，它内部有一个随机分配测试集和验证集的过程，所以会导致你每一次的结果都不一样。所以，你要在运行cv.glmnet前，加上set.seed(任意数字)，这个任意数字不改，你的结果就不会变。
代码
关于set.seed(任意数字)，任意数字取值问题
①没有特定的规定，只要保证两次种子一样就可以得到相同的结果
②set.seed()用于设定随机数种子，一个特定的种子可以产生一个特定的伪随机序列，这个函数的主要目的，是让你的模拟能够可重复出现，因为很多时候我们需要取随机数，但这段代码再跑一次的时候，结果就不一样了，如果需要重复出现同样的模拟结果的话，就可以用set.seed()。在调试程序或者做展示的时候，结果的可重复性是很重要的，所以随机数种子也就很有必要。
③也可以简单地理解为括号里的数只是一个编号而已，例如set.seed(100)不应将括号里的数字理解成“一百”，而是应该理解成“编号为一零零的随机数发生”，下一次再模拟可以采用二零零（200）或者一一一（111）等不同的编号即可，编号设定基本可以随意
编程中通常说的可再现性，如果是真随机的话，每一次运行结果都肯定不一定，我们无法重现我们上一次的结果。
④在计算机科学中，再现性是指只要程序执行时的环境和初始条件相同，当程序重复执行时，不论它是从头到尾不停顿地执行，还是“停停走走”地执行，都将获得相同的结果。再现性是程序是否可以并行执行重要的准则之一。广义上，再现性：在改变了的测量条件下，对同一被测量的测量结果之间的一致性，称为测量结果的再现性。再现性又称为复现性、重现性。
