UseMethod("predict") 中的错误：没有适用于 'predict' 的方法应用于类“c('double', 'numeric') 的对象

Question

我不是 R 专家。我正在尝试计算多项式模型产生的偏差：

f <- function(x) sin(x-5)/(x-5)
# From which we can sample datasets:
N <- 20
x <- runif(N,0,15)              
t <- f(x) + rnorm(N, sd=0.1)  

t 是生成数据的函数，我使用标准差为 0.2 的高斯误差同步函数。 要创建点 x，我使用 0 到 15 的均匀分布形式。

plot.bias <- function (f, polydeg) {
   plot(data.frame(x, t))
   curve(f, type="l", col="green", add=TRUE)
   polyfit <- lm(t ~ poly(x, polydeg, raw=TRUE))
   p <- polynom(coef(polyfit))
   curve(p, col="red", add=TRUE)
   points(x, calc.bias(f, polydeg, x), col="blue")
   abline(h=0, col='blue')
}

这个函数首先绘制数据，然后绘制原始生成曲线，然后计算给定次数的回归多项式，绘制它，最后绘制偏差。偏差由以下给出误差的函数计算：

calc.bias <- function (f, polyfit, point) {
  predictions <- numeric(0)
  print(class(point))
  for (i in 1:100)
  {
     x <- runif(N, 0, 15)                 
     t <- f(x) + rnorm(N, sd=0.2)
     d <- data.frame(point)
     add <- predict(polyfit, newdata = data.frame(point))
     predictions <- c(predictions, add)
  }
  return((f(point)-mean(predictions))^2)
}

我所做的是使用我们的多项式模型计算最佳预测（f 函数）减去 100 个不同数据集中给定点的预测的差值。我将这些结果存储在预测向量中，最后该函数返回差值均值的平方，即平方偏差。

奇怪的是，当我执行纯代码而不是函数时，它可以工作，它不会产生任何错误。但是当我运行时：

plot.bias(f, 1)

出现错误。怎么了？很多tnx

Answer 1

我想我找到了。这似乎有效，但不确定它是否符合您的期望。在plot.bias 中，我更改了您对calc.bias 的使用（即calc.bias(f, polyfit, x) 而不是calc.bias(f, polydeg, x)）。我使用的整个代码：

library(PolynomF)

f <- function(x) sin(x-5)/(x-5)
# From which we can sample datasets:
N <- 20
x <- runif(N,0,15)              
t <- f(x) + rnorm(N, sd=0.1)  



calc.bias <- function (f, polyfit, point) {
  predictions <- numeric(0)
  print(class(point))
  for (i in 1:100)
  {
    x <- runif(N, 0, 15)                 
    t <- f(x) + rnorm(N, sd=0.2)
    d <- data.frame(point)
    add <- predict(polyfit, newdata = data.frame(point))
    predictions <- c(predictions, add)
  }
  return((f(point)-mean(predictions))^2)
}

plot.bias <- function (f, polydeg) {
  plot(data.frame(x, t))
  curve(f, type="l", col="green", add=TRUE)
  polyfit <- lm(t ~ poly(x, polydeg, raw=TRUE))
  p <- polynom(coef(polyfit))
  curve(p, col="red", add=TRUE)
  points(x, calc.bias(f, polyfit, x), col="blue")
  abline(h=0, col='blue')
}

plot.bias(f, 1)