Can'；t在klaR软件包中使用partimat绘制二次判别分析的结果，在R

我正在研究皮马印第安人和糖尿病的经典数据集 . 我在中阅读了这个数据集，并称之为Pima

在执行二次判别分析时，使用

klaR

包，我试图使用

partimat

函数绘制决策边界

#install.packages("klaR")
library(klaR)
Pima[,9] <- as.factor(Pima[,9])
names(Pima) <- c("preggo", "glucose", "bp", "triceps", "serum", "BMI", "pedigree", "age", "class")
partimat(class ~ ., data=Pima, method="qda")

#安装程序包（“klaR”）
图书馆（klaR）
Pima[，9]函数
partimat（）
尝试将28个单独的绘图绘制到同一个图形中。如果这些单独绘图的边距太宽，则它们无法全部放入同一个图形或绘图区域。最简单的解决方案是关闭当前可能已打开的绘图窗口（或文件），然后在调用
partimat（）
时更改图形边距：

#读取和预处理数据
Pima函数
partimat（）
尝试将28个单独的绘图绘制到同一个图形中。如果这些单独绘图的边距太宽，则它们不能全部放在同一个图形或绘图区域中。最简单的解决方案是关闭当前可能已打开的绘图窗口（或文件），然后在调用
partimat（）
时更改图形边距：

#读取和预处理数据
Pima函数
partimat（）
尝试将28个单独的绘图绘制到同一个图形中。如果这些单独绘图的边距太宽，则它们不能全部放在同一个图形或绘图区域中。最简单的解决方案是关闭当前可能已打开的绘图窗口（或文件），然后在调用
partimat（）
时更改图形边距：

#读取和预处理数据
Pima函数
partimat（）
尝试将28个单独的绘图绘制到同一个图形中。如果这些单独绘图的边距太宽，则它们不能全部放在同一个图形或绘图区域中。最简单的解决方案是关闭当前可能已打开的绘图窗口（或文件），然后在调用
partimat（）
时更改图形边距：

#读取和预处理数据
PimaI对这是一个多么优秀的解决方案感到惊讶，也对R编程语言的深奥本质感到惊讶（经常发生）。什么是“X11”？
X11（）
打开一个新的空打印窗口。这适用于Windows，也适用于Linux，因为您已经安装了X Windows系统。在R？X11中也给出了更多的细节。我惊讶于这是一个多么优秀的解决方案，也惊讶于（经常发生的）R编程语言的深奥本质。什么是“X11”？
X11（）
打开一个新的空打印窗口。这适用于Windows，也适用于Linux，因为您已经安装了X Windows系统。在R？X11中也给出了更多的细节。我惊讶于这是一个多么优秀的解决方案，也惊讶于（经常发生的）R编程语言的深奥本质。什么是“X11”？
X11（）
打开一个新的空打印窗口。这适用于Windows，也适用于Linux，因为您已经安装了X Windows系统。在R？X11中也给出了更多的细节。我惊讶于这是一个多么优秀的解决方案，也惊讶于（经常发生的）R编程语言的深奥本质。什么是“X11”？
X11（）
打开一个新的空打印窗口。这适用于Windows，也适用于Linux，因为您已经安装了X Windows系统。在R中，X11也给出了更多的细节。
# Reading and preprocessing the data
Pima<-read.table("http://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/pima-indians-diabetes.data", header=F, sep=",")
Pima[,9] <- as.factor(Pima[,9])
names(Pima) <- c("preggo", "glucose", "bp", "triceps", "serum", "BMI", "pedigree", "age", "class")

# Margins too wide, gives an error:
partimat(class ~ ., data=Pima, method="qda", mar=c(8,8,8,8))

# Margins more suitable:
# Open a new plot window
X11(width=15, height=15)
# Adjust the numbers for the option mar, if needed; see ?partimat and ?par 
# for more help on margins
partimat(class ~ ., data=Pima, method="qda", mar=c(5,4,2,2))