Nano Hash - криптовалюты, майнинг, программирование

Р; Использование функции управления и получения: Ошибка в (функция (x): неиспользуемый аргумент (envir = ‹environment›)

Я собираюсь использовать manipulate:

    install.packages("UsingR")
    library(manipulate)
    library(UsingR)

    data(galton)

    ########## Manipulable Histogram ##########

    myHist <- function(mu, Color){
    hist(galton$child, col=Color, breaks=10)
    lines(c(mu,mu), c(0, 150), col="red", lwd=5)
    }

    manipulate(myHist(mu, Color), mu = slider(62, 74, step=.5),
    Color=picker("blue", "red", initial="blue"))

Я всегда получаю эту ошибку при использовании манипуляции:

Ошибка в (функция (x): неиспользуемый аргумент (envir =)

Я не вижу проблем в приведенном выше коде. У меня НЕТ ИДЕИ, почему я получаю эту ошибку. Моя сессия R чистая и новая.

Я использую от R3.2 64 bits до R Studio Version 0.99.441. Есть идеи по поводу недостающих настроек?

27.10.2015

Ответы:


1

Нашел ответ, установив каталог «R» в Rstudio в качестве рабочего каталога по умолчанию, в котором находится папка win-library.

28.10.2015
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..