线性数据上的lmRob():错误与防御
我正在使用线性数据上的lmRob():错误与防御,r,R,我正在使用robust::lmRob()处理遗留的R脚本 lmRob()的文档非常清晰,示例运行良好(有关文档和示例,请参阅) 基于此,我本以为这个简单的脚本可以工作,但由于找不到“msg.UCV”,它失败了 请注意,数据是21个完全线性的行,加上三个异常值 如果使用 yy = 0.5+1.5*xx + 0.01*xx^2 这样就不会出现错误 我会切换到robustbase::lmrob(),但是lmrob.fit.compute()似乎做了一些公平的事情 什么是一种好的防御性编程技术,可以防
robust::lmRob()
处理遗留的R脚本
lmRob()
的文档非常清晰,示例运行良好(有关文档和示例,请参阅)
基于此,我本以为这个简单的脚本可以工作,但由于找不到“msg.UCV”,它失败了
请注意,数据是21个完全线性的行,加上三个异常值
如果使用
yy = 0.5+1.5*xx + 0.01*xx^2
这样就不会出现错误
我会切换到robustbase::lmrob()
,但是lmrob.fit.compute()
似乎做了一些公平的事情
什么是一种好的防御性编程技术,可以防止近线性数据在我的程序中引起错误 你能扮演上帝一点(微小的)并在点数上添加一些随机噪声吗?你能扮演上帝一点(微小的)并在点数上添加一些随机噪声吗?
yy = 0.5+1.5*xx + 0.01*xx^2