如何解决(R) Xi - Xj 中的错误:二元运算符的非数字参数
我正在使用 R 编程语言。我正在尝试重新创建本教程中显示的图表:https://www.rpubs.com/cboettig/greta-gp
本教程展示了如何为 2 个变量创建特殊类型的回归模型。我能够复制并粘贴本教程中的代码并成功制作所需的图形:
#PART 1
#load libraries
library(MASS)
library(tidyverse)
#set seed
set.seed(12345)
#create initial data
x_predict <- seq(-5,5,len=50)
l <- 1
#define functions for evaluating the covariance
SE <- function(Xi,Xj,l) exp(-0.5 * (Xi - Xj) ^ 2 / l ^ 2)
cov <- function(X,Y) outer(X,Y,SE,l)
COV <- cov(x_predict,x_predict)
#sample these functions,place them into a data frame and plot
values <- mvrnorm(200,rep(0,length=length(x_predict)),COV)
dat <- data.frame(x=x_predict,t(values)) %>%
tidyr::pivot_longer(-x,names_to = "rep",values_to = "value") %>%
mutate(rep = as.numeric(as.factor(rep)))
ggplot(dat,aes(x=x,y=value)) +
geom_line(aes(group=rep),color = rgb(0.7,0.1,0.4),alpha = 0.4)
#PART2
#create new data
obs <- data.frame(x = c(-4,-3,-1,2),y = c(-2,1,2,-1))
#repeat steps from part 1
cov_xx_inv <- solve(cov(obs$x,obs$x))
Ef <- cov(x_predict,obs$x) %*% cov_xx_inv %*% obs$y
Cf <- cov(x_predict,x_predict) - cov(x_predict,obs$x) %*% cov_xx_inv %*% cov(obs$x,x_predict)
values <- mvrnorm(200,Ef,Cf)
dat <- data.frame(x=x_predict,values_to = "value") %>%
mutate(rep = as.numeric(as.factor(rep)))
gp <- data.frame(x = x_predict,Ef = Ef,sigma = 2*sqrt(diag(Cf)) )
ggplot(dat,y=value)) +
geom_line(aes(group=rep),alpha = 0.2) + #REPLICATES
geom_ribbon(data = gp,aes(x,y = Ef,ymin = Ef - sigma,ymax = Ef + sigma),fill="grey",alpha = 0.4) +
geom_line(dat = gp,y=Ef),size=1) + #MEAN
geom_point(data=obs,y=y)) + #OBSERVED DATA
scale_y_continuous(lim=c(-3,3),name="output,f(x)") +
xlab("input,x")
现在,我正在尝试为具有 3 个变量(1 个响应,2 个预测变量)的回归模型复制上述教程。我试图让“x_predict”对象有两列:
x_predict_1 <- seq(-5,len=50)
x_predict_2 <- seq(-6,6,len=50)
l <- 1
x_predict <- data.frame(x_predict_1,x_predict_2)
COV <- cov(x_predict,x_predict)
但这会产生以下错误:
Error in Xi - Xj : non-numeric argument to binary operator
此错误阻止我从第 1 部分创建“值”和“数据”对象,并且我无法创建所需的图形(例如 x_predict_1 与值和 x_predict_2 与值)。这也妨碍了我在第 2 部分中创建所需的图表。
有人可以告诉我如何解决这个问题吗? 谢谢
解决方法
我想我遇到了问题。首先,以下是我们可以重现错误的方式以及您继续的方式:
#PART 1
#load libraries
library(MASS)
library(tidyverse)
#set seed
set.seed(12345)
#create initial data
x_predict <- seq(-5,5,len=50)
l <- 1
#define functions for evaluating the covariance
SE <- function(Xi,Xj,l) exp(-0.5 * (Xi - Xj) ^ 2 / l ^ 2)
cov <- function(X,Y) outer(X,Y,SE,l)
COV <- cov(x_predict,x_predict)
#sample these functions,place them into a data frame and plot
values <- mvrnorm(200,rep(0,length=length(x_predict)),COV)
dat <- data.frame(x=x_predict,t(values)) %>%
tidyr::pivot_longer(-x,names_to = "rep",values_to = "value") %>%
mutate(rep = as.numeric(as.factor(rep)))
ggplot(dat,aes(x=x,y=value)) +
geom_line(aes(group=rep),color = rgb(0.7,0.1,0.4),alpha = 0.4)
x_predict_1 <- seq(-5,len=50)
x_predict_2 <- seq(-6,6,len=50)
l <- 1
x_predict <- data.frame(x_predict_1,x_predict_2)
COV <- cov(x_predict,x_predict)
在这段代码的最后会出现一个错误,同样由 Noob 突出显示
这里需要注意的是,R中存在的cov函数被重新定义并设置如下
cov <- function(X,l)
此自定义函数仅适用于向量/数组,不适用于 data.frames,这是在扩展代码时用于连接 x_predict_1 和 x_predict_1 的方法。
如果这个自定义函数在 data.frame 对象上调用,它总是会导致错误,因为它不是为了处理 data.frame 而构建的,它是为数字向量和数组构建的
现在,当任何新人尝试从两者之间复制它时,默认情况下,他将使用基础 R. 中的“cov”函数,该函数适用于 data.frame 对象。因此强烈建议不要在 R 中重新定义现有函数,这会导致很多混乱。如果我们删除自定义的 'cov' 函数并调用 cov(x_predict,x_predict) 它将正常工作,该函数将从基础 R 包中调用。
所以要解决这个问题,Noob 你只需要在加入 x_predict_1 & x_predict_2 时使用 'c' (combine) 而不是 'data.frame' ,你的问题就会解决。我给出了我用你的变量试过的完整代码:
library(MASS)
library(tidyverse)
#set seed
set.seed(12345)
SE <- function(Xi,l)
x_predict_1 <- seq(-5,len=50)
l <- 1
x_predict <- c(x_predict_1,x_predict_2)
head(x_predict,5)
COV <- cov(x_predict,x_predict)
values <- mvrnorm(200,alpha = 0.4)
最终结果将在图表下方。我希望这个解释能解决你的问题,如果没有,请告诉我。
在这里,如果您不想使用 'c'(组合),您可以使用 cbind 并创建一个矩阵。在它上面你可以成功地使用你的自定义函数 'cov' 它会起作用。但是当你进一步采用这种方法时,你最终会出现另一个错误。下面是第一个由于 COV 是数组而发生的。因此我认为或者我猜使用 c (combine) 是你所需要的。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。