用k-fold cross validation生成的error来判断哪个模型更加合适的时候，
使用cv.glm()函数前为什么要set.seed？
另外发现seed不一样，生成的结果也不一样，例如下面的code：
1、
library(boot)

set.seed(10)
cv.error=rep(0,5)
for (i in 1:5){
  glm.fit=glm(nox~poly(dis,i),data=Boston)
  cv.error[i]=cv.glm(Boston,glm.fit,K=10)$delta[1]
}

当把seed设置为10时，结果是：
> cv.error
[1] 0.005490919 0.004095812 0.003863046 0.003918877 0.004121742


此时观察结果，应该是第三个模型最优。

2、seed为1时，结果如下：
> cv.error
[1] 0.005536329 0.004077147 0.003899587 0.003862127 0.004298590
此时应该是第四个模型最优。


请问为什么会出现这种情况嘞？？
set.seed影响的到底是什么？？？？？？？？