Julia 多元拟合函数的误差

我有点需要为我最近开始的博士学位编写

julia

，当我试图使用

多项式

软件包中的

polyfit

函数时，我遇到了这个错误，这让我非常恼火：

DomainError

Stacktrace:
 [1] polyfit(::StepRangeLen{Float64,Base.TwicePrecision{Float64},Base.TwicePrecision{Float64}}, ::Array{Int64,1}, ::Int64, ::Symbol) at /home/jrun/.julia/v0.6/Polynomials/src/Polynomials.jl:700 (repeats 2 times)

我尝试了各种不同类型的测试，但即使使用如此简单的代码，也能继续得到它：

Pkg.add("Polynomials")
using Polynomials

x = []
for i in 1:9
  append!(x, i)
end
y = [1,2,3,4,3,4,2,3,1]
polyfit(x, y)

有人知道那是什么意思吗

---

谢谢

请在您的问题中包含一个我们可以复制的独立示例。同样值得一提的是

versioninfo（）

的输出，因为问题可能是由不同的版本/平台组合造成的

为了回答您的问题，我将首先在我的平台上运行您的代码：

versioninfo()
Julia Version 0.6.3
Commit d55cadc350 (2018-05-28 20:20 UTC)
Platform Info:
  OS: Linux (x86_64-pc-linux-gnu)
  CPU: Intel(R) Core(TM) i7-3720QM CPU @ 2.60GHz
  WORD_SIZE: 64
  BLAS: libopenblas (NO_AFFINITY SANDYBRIDGE MAX_THREADS=8)
  LAPACK: liblapack
  LIBM: libopenlibm
  LLVM: libLLVM-3.9.1 (ORCJIT, ivybridge)

您的代码输出为我提供：

Pkg.add("Polynomials")
using Polynomials

x = []
for i in 1:9
  append!(x, i)
end
y = [1,2,3,4,3,4,2,3,1]
polyfit(x, y)

ERROR: `float` not defined on abstractly-typed arrays; please convert to a more specific type
Stacktrace:
 [1] float at ./float.jl:848 [inlined]
 [2] polyfit(::Array{Any,1}, ::Array{Int64,1}, ::Int64, ::Symbol) at /home/aytekin/.julia/v0.6/Polynomials/src/Polynomials.jl:708
 [3] polyfit(::Array{Any,1}, ::Array{Int64,1}) at /home/aytekin/.julia/v0.6/Polynomials/src/Polynomials.jl:700
 [4] eval(::Module, ::Any) at ./boot.jl:235

错误源于定义

x

变量的方式。如果你写

typeof（x）

，你会发现它是

Array{Any，1}

。当您编写

x=[]

时，您正在定义类型为

Any

的一维空数组。然后，向其添加值。定义抽象类型的容器（

Any

是所有

julia

类型都是其子类型的抽象类型）对于效率来说是不好的。此外，以这种方式附加到向量也不是一种好的做法。除了效率问题外，

x

应该是一些

Number

类型的

Vector

。简而言之，如果您将代码更改为以下内容：

x = collect(1:9)
typeof(x)
y = [1,2,3,4,3,4,2,3,1]
typeof(y)
p = polyfit(x, y)

您可能会看到

x

和

y

变量都是

Int64

的

Vector

s。此外，您将获得多项式

---

请通读这本书的内容。如果您来自这些语言中的一种，那么该部分尤其有用。

函数

polyfit

来自哪里？请在您的问题中加入一个。正确，但是

polyfit

功能在这里的工作方式可能会有点不同，以使此方法起作用（cf）@jverzani，我已经在您的PR下开始了评论。太好了。这不是我的贡献，我的调整是次要的，但似乎应该有一个更惯用的方式来做到这一点。