splitTools的create_folds设固定seed后m_rep次交叉验证数据集是否相同？

结论 #

设置固定随机种子不会让5次重复迭代的训练集、测试集完全相同，仅能保证每次运行这段代码得到的5组划分结果完全可复现。

具体逻辑说明 #

• m_rep=5的作用是生成5组独立的10折交叉验证划分，最终输出结果包含5*10个测试集索引，5组划分本身默认就是互不重复的。
• 你传入的seed=42是给整个划分流程设置全局随机状态，仅用于保证结果可复现：每次运行以下代码

create_folds(data[[targetVariable]], k = 10, m_rep = 5, type = "stratified", shuffle = TRUE, seed = 42)

得到的5组10折划分结果完全一致，但同一轮运行中5次重复的划分都是独立随机生成的，互不相同。

• 结合你设置的shuffle=TRUE、type="stratified"参数，5次重复的划分都是在种子控制下独立完成的分层随机抽样，不会出现重复的训练/测试集拆分。

实现所有重复迭代的折划分完全相同的方案 #

如果你需要5次重复的折划分完全一致，可将m_rep设置为1，循环调用5次create_folds函数，每次调用时都传入相同的固定seed即可，示例代码如下：

# 示例：生成5组完全相同的10折划分
folds_list = []
for _ in range(5):
    folds = create_folds(data[[targetVariable]], k = 10, m_rep = 1, type = "stratified", shuffle = TRUE, seed = 42)
    folds_list.append(folds)

内容的提问来源于stack exchange，提问作者Mine