帮我看看哪里有错误，代码#利用局部加权线性回归函数，对数据集xArr中的每一个样本点进行预测，并绘制预测折线图与原数据散点图的叠加图 #step1：绘制原数据散点图 xArr,yArr = loadDataSet('ex0.txt') plt.scatter(array(xArr)[:,1],array(yArr)) #step2： 绘制拟合线（局部加权线性回归） yHat = array(xArr)[:,1].argsort(0) xSort = array(xArr)[srtInd] yHat =lwlrTest(xSort, xArr, yArr,k=0.01) plt.plot(xSort[:,1], yHat, c='blue')

代码中有一些错误，可能是因为缺少了一些导入模块的语句，或者是函数调用参数的错误。以下是修正后的代码：

import matplotlib.pyplot as plt
from numpy import *

# 加载数据集
def loadDataSet(filename):
    dataMat = []
    labelMat = []
    fr = open(filename)
    for line in fr.readlines():
        lineArr = line.strip().split('\t')
        dataMat.append([1.0, float(lineArr[0])])
        labelMat.append(float(lineArr[1]))
    return dataMat, labelMat

# 局部加权线性回归函数
def lwlr(testPoint, xArr, yArr, k=1.0):
    xMat = mat(xArr)
    yMat = mat(yArr).T
    m = shape(xMat)[0]
    weights = mat(eye((m)))
    for j in range(m):
        diffMat = testPoint - xMat[j,:]
        weights[j,j] = exp(diffMat * diffMat.T / (-2.0 * k**2))
    xTx = xMat.T * (weights * xMat)
    if linalg.det(xTx) == 0.0:
        print("This matrix is singular, cannot do inverse")
        return
    ws = xTx.I * (xMat.T * (weights * yMat))
    return testPoint * ws

# 测试局部加权线性回归函数
def lwlrTest(testArr, xArr, yArr, k=1.0):
    m = shape(testArr)[0]
    yHat = zeros(m)
    for i in range(m):
        yHat[i] = lwlr(testArr[i], xArr, yArr, k)
    return yHat

# 绘制原数据散点图
xArr, yArr = loadDataSet('ex0.txt')
plt.scatter(array(xArr)[:,1], array(yArr))

# 绘制拟合线（局部加权线性回归）
srtInd = array(xArr)[:,1].argsort(0)
xSort = array(xArr)[srtInd]
yHat = lwlrTest(xSort, xArr, yArr, k=0.01)
plt.plot(xSort[:,1], yHat, c='blue')
plt.show()

请注意，这里我添加了几个函数，包括 `lwlr`、`lwlrTest` 和 `loadDataSet`，这些函数都是局部加权线性回归的相关函数，需要在代码中定义。此外，我还添加了一些导入模块的语句，确保这些模块可以正确加载。最后，我添加了一个 `plt.show()` 语句，以便将绘图显示在屏幕上。