我不是R语言的专家。我正在尝试计算由多项式模型生成的偏差：

f <- function(x) sin(x-5)/(x-5)# 从中我们可以抽样数据集：N <- 20x <- 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的高斯误差的同步函数。为了创建点x，我使用了从0到15的均匀分布。

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')}

这是首先绘制数据，然后绘制原始生成曲线，接着计算给定度数的回归多项式并绘制它，最后绘制偏差的函数。偏差由以下函数计算，该函数给出误差：

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)}

我所做的是计算最佳预测（f函数）与在100个不同数据集中的给定点的预测之间的差异，这些数据集使用我们的多项式模型。我将这些结果存储在predictions向量中，最后函数返回差异的平均值的平方，即偏差的平方。

奇怪的是，当我执行普通代码，而不是在函数中时，它可以正常工作，不会生成任何错误。但当我运行：

plot.bias(f, 1)

就会出现错误。哪里出了问题？非常感谢

回答：

我想我找到了。这似乎可以工作，但不确定这是你期望的。在plot.bias中，我更改了你对calc.bias的使用，即calc.bias(f, polyfit, x)而不是calc.bias(f, polydeg, x)。我使用的完整代码如下：

library(PolynomF)f <- function(x) sin(x-5)/(x-5)# 从中我们可以抽样数据集：N <- 20x <- 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)