(R) Xi - Xj 中的错误：二元运算符的非数字参数
(R) Error in Xi - Xj : non-numeric argument to binary operator
我正在使用 R 编程语言。我正在尝试在此处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 个变量制作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表：
#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, 0, 2),
y = c(-2, 0, 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, t(values)) %>%
tidyr::pivot_longer(-x, names_to = "rep", 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,aes(x=x,y=value)) +
geom_line(aes(group=rep), color = rgb(0.7, 0.1, 0.4), 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, aes(x=x,y=Ef), size=1) + #MEAN
geom_point(data=obs,aes(x=x,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(-5,5,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
此错误使我无法创建第 1 部分中的“值”和“dat”对象，而且我无法创建所需的图表（例如 x_predict_1 与值和 x_predict _2 与值）。这也使我无法在第 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
我想我遇到了问题。首先，下面是我们可以重现错误的方式以及您的处理方式：
#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(-5,5,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，同样被 Noob
突出显示
这里需要注意的是，base R中的cov函数被重新定义并设置如下
cov <- function(X, Y) outer(X, Y, SE, l)
此自定义函数仅适用于 vectors/array，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。
如果此自定义函数调用 data.frame 对象，它将始终导致错误，因为它不是为处理 data.frame 而构建的，它仅为数字向量和数组构建
现在，当任何新人尝试从两者之间复制它时，他默认会使用基础 R 中的 'cov' 函数。该函数适用于 data.frame 个对象。因此强烈建议永远不要在 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 'cov' 函数并调用 cov(x_predict, x_predict) 它将正常工作，它将从基础 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 和你的问题时使用 'c' （组合）而不是 'data.frame'会解决的。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,Xj, l) exp(-0.5 * (Xi - Xj) ^ 2 / l ^ 2)
cov <- function(X, Y) outer(X, Y, SE, l)
x_predict_1 <- seq(-5,5,len=50)
x_predict_2 <- seq(-6,6,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, 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)
最终结果如下图所示。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，如果你不想使用'c'（组合）你可以使用cbind并创建一个矩阵。在上面你可以成功地使用你的自定义函数 'cov' 它会起作用。但是当你进一步使用这种方法时，你仍然会遇到另一个错误。下面是第一个由于 COV 是数组而发生的情况。因此我认为或者我猜想使用 c（组合）是你所需要的。
我正在使用 R 编程语言。我正在尝试在此处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 个变量制作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表：
#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, 0, 2),
y = c(-2, 0, 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, t(values)) %>%
tidyr::pivot_longer(-x, names_to = "rep", 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,aes(x=x,y=value)) +
geom_line(aes(group=rep), color = rgb(0.7, 0.1, 0.4), 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, aes(x=x,y=Ef), size=1) + #MEAN
geom_point(data=obs,aes(x=x,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(-5,5,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
此错误使我无法创建第 1 部分中的“值”和“dat”对象，而且我无法创建所需的图表（例如 x_predict_1 与值和 x_predict _2 与值）。这也使我无法在第 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
我想我遇到了问题。首先，下面是我们可以重现错误的方式以及您的处理方式：
#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(-5,5,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，同样被 Noob
突出显示这里需要注意的是，base R中的cov函数被重新定义并设置如下
cov <- function(X, Y) outer(X, Y, SE, l)
此自定义函数仅适用于 vectors/array，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。
如果此自定义函数调用 data.frame 对象，它将始终导致错误，因为它不是为处理 data.frame 而构建的，它仅为数字向量和数组构建
现在，当任何新人尝试从两者之间复制它时，他默认会使用基础 R 中的 'cov' 函数。该函数适用于 data.frame 个对象。因此强烈建议永远不要在 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 'cov' 函数并调用 cov(x_predict, x_predict) 它将正常工作，它将从基础 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 和你的问题时使用 'c' （组合）而不是 'data.frame'会解决的。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,Xj, l) exp(-0.5 * (Xi - Xj) ^ 2 / l ^ 2)
cov <- function(X, Y) outer(X, Y, SE, l)
x_predict_1 <- seq(-5,5,len=50)
x_predict_2 <- seq(-6,6,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, 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)
最终结果如下图所示。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，如果你不想使用'c'（组合）你可以使用cbind并创建一个矩阵。在上面你可以成功地使用你的自定义函数 'cov' 它会起作用。但是当你进一步使用这种方法时，你仍然会遇到另一个错误。下面是第一个由于 COV 是数组而发生的情况。因此我认为或者我猜想使用 c（组合）是你所需要的。