R：`xy.coords(x, y) 中的错误：'x' 和 'y' 长度不同`

如何解决R：`xy.coords(x, y) 中的错误：'x' 和 'y' 长度不同`

我使用的是 R 编程语言。我正在尝试按照本教程中的说明创建回归模型并绘制结果（https://rdrr.io/cran/kernlab/man/gausspr.html）：

#load library
library(kernlab)

# create regression data
x <- seq(-20,20,0.1)
y <- sin(x)/x + rnorm(401,sd=0.03)


# regression with gaussian processes
foo <- gausspr(x,y)
foo

# predict and plot
ytest <- predict(foo,x)
plot(x,y,type ="l")
lines(x,ytest,col="red")


#predict and variance
x = c(-4,-3,-2,-1,0.5,1,2)
y = c(-2,-0.5,2,-1)

plot(x,y)

foo2 <- gausspr(x,variance.model = TRUE)

xtest <- seq(-4,0.2)

lines(xtest,predict(foo2,xtest))
lines(xtest,xtest)+2*predict(foo2,xtest,type="sdeviation"),col="red")
lines(xtest,xtest)-2*predict(foo2,col="red")

这很好用，但上面的代码是针对只有两个变量的回归问题。我正在尝试将此代码扩展为具有三个变量的回归问题。下面，我尝试为三个变量（x、y、z：响应变量是 z，预测变量是 x 和 y）重新创建上面的代码：

# create regression data for new problem
x <- seq(-20,sd=0.03)
z <- sin(x)/x + rnorm(401,sd=0.01)

#put into data frame
my_data = data.frame(x,z)

# regression with gaussian processes 
foo <- gausspr(z ~.,data = my_data)
foo

# predict and plot (this is where the error is)
ytest <- predict(foo,c(x,y))

#plot
plot(x,col="red")

这会产生以下错误：Error in xy.coords(x,y) : 'x' and 'y' lengths differ

是否有另一种方法可以指定您希望使用“x”和“y”变量进行预测？我想在 R 中，您可以对这样的实例使用 c 命令吗？

ytest <- predict(foo,y))

这阻止我继续前进并在高斯过程 (foo2) 和 xtest 和 ytest 之间制作两个单独的图形，其中显示了置信区间：

foo2 <- gausspr(z ~.,data = my_data,0.2)
ytest <- seq(-4,0.2)

#first plot
lines(xtest,xtest))

lines(xtest,col="red")

lines(xtest,col="red")


#second plot
lines(ytest,ytest))

lines(ytest,ytest)+2*predict(foo2,col="red")

lines(ytest,ytest)-2*predict(foo2,col="red")

有人可以告诉我我做错了什么吗？

谢谢

解决方法

您的代码中有几件事需要考虑；有 NaN 值会导致不同的向量长度，并且您在 newdata 中错误地传递了 predict。

使用您的数据和模型：

library(kernlab)
x <- seq(-20,20,0.1)
y <- sin(x)/x + rnorm(401,sd=0.03)
z <- sin(x)/x + rnorm(401,sd=0.01)
my_data <- data.frame(x,y,z)
foo <- gausspr(z ~.,data = my_data)

请注意，在此阶段，gausspr 使用了 400 个数据点，而不是 401。

foo
... 学习的训练实例数：400

这是由于 y 和 z 具有自动删除的 NaN 值。由于 NaN 项为 x = 0，因此它们在 y[x==0] 时为 z[x==0]（查看运行 sin(x)/x 和 0/0）。所以这暗示了不同数量的观察可能来自哪里。

接下来您错误地使用了 predict。来自 ?predict.gausspr 的新数据应该是

包含新数据的数据框或矩阵

但是你传递了一个向量；实际上，您将 x 和 y 连接成一个带有 c(x,y) 的向量。所以改变

ytest <- predict(foo,c(x,y))

到

ytest <- predict(foo,data.frame(x=x,y=y)) # or cbind(x,y)

请注意，有 400 个样本内预测 (length(ytest))，因为 y 值之一是 NaN，因此不会为此值生成预测。对于 plot，x 和 y 的长度必须相同，因此必须删除与麻烦的 x=0 项相关的值。

plot(x,type ="l") # x and y are both length 401
lines(x[x != 0],ytest,col="red") # both length 400

在您问题的下一段代码中还有几个进一步的错误。

如果只有一个预测变量，那么

predict(foo2,xtest)

应该

predict(foo2,data.frame(x=xtest))

但是，由于 y 也在您的模型中，因此您还需要将 y 的一个或一些值传递到 predict 语句中。您需要考虑使用什么值——也许是平均值？

---

一个稍微简单的工作流程是在开始建模之前准备数据，因为这样可以更好地控制如何处理 NA/NAN 数据。例如

# remove NA and NaN
my_data <- data.frame(x,z)
model_data <- na.omit(my_data)
# run model and predict
foo <- gausspr(z ~.,data = model_data)
model_data$ytest <- predict(foo,y=y))

# plot
plot(y ~ x,data=model_data,type ="l") 
lines(ytest ~ x,col="red")