函數glmer
會在不同的機器上產生不同的結果嗎?機器中的硬件有很大不同,雖然都運行相同的操作系統,R和包版本(事實證明這實際上並非如此)。R-glmer在不同機器上的不同結果(非確定性)
該公式具有分組二項式響應變量和22個連續固定效應,它們都在相同的比例尺和幾個隨機效應,這些是字符串,我正在使用鏈接函數logit
。
cbind(ill, not_ill) ~ 0 + fix1 + fix2 + ... + fix22 + (1|id/region/country) +
(1|season)
當使用火車和測試數據爲留一交叉驗證設置,我得到非常類似的結果。但是,在一臺機器上,我始終保持清潔的輸出,並且沒有警告;另一方面,我在每一次測試中都會收到警告。
N.B.火車/測試集是跨機器
EDIT相同:將sessionInfo()
機1(這是拿出一個好的結果
R version 3.3.1 (2016-06-21)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 16.04.1 LTS
locale:
[1] LC_CTYPE=en_GB.UTF-8 LC_NUMERIC=C
[3] LC_TIME=en_GB.UTF-8 LC_COLLATE=en_GB.UTF-8
[5] LC_MONETARY=en_GB.UTF-8 LC_MESSAGES=en_GB.UTF-8
[7] LC_PAPER=en_GB.UTF-8 LC_NAME=C
[9] LC_ADDRESS=C LC_TELEPHONE=C
[11] LC_MEASUREMENT=en_GB.UTF-8 LC_IDENTIFICATION=C
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] blmeco_1.1 arm_1.9-1 MASS_7.3-45 lme4_1.1-12 Matrix_1.2-7.1
loaded via a namespace (and not attached):
[1] minqa_1.2.4 coda_0.18-1 abind_1.4-5 Rcpp_0.12.7
[5] MuMIn_1.15.6 splines_3.3.1 nlme_3.1-128 grid_3.3.1
[9] nloptr_1.0.4 stats4_3.3.1 lattice_0.20-34
機2(不所以不錯的結果)
R version 3.2.3 (2015-12-10)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 16.04.1 LTS
locale:
[1] LC_CTYPE=en_GB.UTF-8 LC_NUMERIC=C
[3] LC_TIME=en_GB.UTF-8 LC_COLLATE=en_GB.UTF-8
[5] LC_MONETARY=en_GB.UTF-8 LC_MESSAGES=en_GB.UTF-8
[7] LC_PAPER=en_GB.UTF-8 LC_NAME=C
[9] LC_ADDRESS=C LC_TELEPHONE=C
[11] LC_MEASUREMENT=en_GB.UTF-8 LC_IDENTIFICATION=C
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] blmeco_1.1 arm_1.9-1 MASS_7.3-45 lme4_1.1-12 Matrix_1.2-3
loaded via a namespace (and not attached):
[1] minqa_1.2.4 coda_0.18-1 abind_1.4-5 Rcpp_0.12.7
[5] MuMIn_1.15.6 splines_3.2.3 nlme_3.1-124 grid_3.2.3
[9] nloptr_1.0.4 stats4_3.2.3 lattice_0.20-33
顯然這裏有一些差異,我錯過了,所以我會糾正它,看看是否有任何輸出變化。在存在的差異中,Matrix
是最可能引起問題的那個(我認爲)它是lme4
的依賴關係。感謝您的評論,讓我在這裏。
請提供一個可重複的示例http://stackoverflow.com/help/mcve話雖如此,您在兩臺計算機上設置了相同的種子值,對吧? –
由於保密原因,這是我可以提供的最多信息。我不是在尋找解決我的問題的辦法,我只是試圖瞭解/發現是否有任何非確定性的組成部分,我所描述的我沒有看到。我認爲這不能保證投票。 – RockJake28
事實並非如此。每個有工作的人都有機密數據,這裏有99.9%的人。您需要花費大量時間和精力來製作**可重現的示例**,使用公開的,自行創建的或不知情的數據,以反映您的問題而無需成爲您的實際數據。我正在投票結束這個問題,因爲沒有包含可重複的例子。 –