在 rstudio 中确定 nls 函数的最佳初始值-解网

问：

我正在用这个给定的数据集解决我的论文问题：

x<- cbind(c(1,2,3,4,5,6,7,8,9,10,11,12,13))
y <- cbind(c(0.37, 0.25, 0.23, 0.24, 0.32, 0.23, 0.24, 0.26, 0.24, 0.26, 0.27, 0.27))

df <- data.frame('x' = x, 'y' = y)

我想拟合这两个模型 y = a + exp（b + （c*x））。我问聊天 GPT，答案让我感到困惑。它告诉我尝试使用数据 df 执行线性回归，并使用截距作为起始值 a，使用 x 作为起始值 b。

实际上，确定 nls 中初始值的正确方法或最佳方法如何？尤其是我的数据和模型？

我尝试使用数据 df 执行线性回归，并使用截距作为起始值 a，使用 x 作为起始值 b。对于起始值，假设 c 与 b 相等。

m1 <- nls(y ~ model_func1(x, a, b, c), data = df , start = list(a = -0.003033, b=0.284778, c=0.284778), trace = T)
summary(m1)

但是我总是遇到这个错误

Error in nls(y ~ model_func1(x, a, b, c), data = df,  : 
  singular gradient

R NLS

如注释中所述，x 和 y 的长度不同，因此 data.frame（...）语句将不起作用。我们也不需要.假设定义是错误的，请使用如下所示的输入定义。问题中使用的起始值会起作用，但对每个参数使用起始值 1 也起作用，所以让我们使用它。（问题中的起始值稍微好一些，因为它们在 26 次迭代后导致收敛，而所有 1 的收敛值为 29，但所有 1 似乎更简单。尽管这导致了收敛，但该图显示它不能很好地拟合第一个点，因此我们尝试了所示的模型，并注意到它很容易拟合并且具有较低的偏差（= 残差平方和），并且只需要 2 个参数，而不是原始模型中的 3 个参数。cbindxlm

# input
y <- c(0.37, 0.25, 0.23, 0.24, 0.32, 0.23, 0.24, 0.26, 0.24, 0.26, 0.27, 0.27)
df <- data.frame(x = seq_along(y), y)

fo <- y ~ a + exp(b + c * x)
st <- list(a = 1, b = 1, c = 1)
fm <- nls(fo, df, start = st)
deviance(fm)
## [1] 0.01866574

通过反复试验，我们发现该模型具有更好的偏差，即较低的残差平方和，即 0.008170078 与 0.01866574，并且在最后显示的图中看起来也更合理。

# alternate model
fm2 <- lm(y ~ I(1/x^2), df)
deviance(fm2)
## [1] 0.008170078

# graphics
plot(df)
lines(fitted(fm) ~ x, df, col = "red")
lines(fitted(fm2) ~ x, df, col = "blue")
legend("topright", c("fm", "fm2"), lty = 1, col = c("red", "blue"))

非常感谢您之前的回答！这对我来说非常有用。但不幸的是，当我尝试运行该程序时，我仍然遇到了这个错误 numericDeriv（form[[3L]]， names（ind）， env， central = nDcentral）中的错误：评估模型时产生缺失值或无穷大我在 macbook 中使用 rstudio 版本 2023.03.0+386

上一个：如何使用耦合方程拟合非线性回归

下一个：近端策略优化实现不收敛：离散环境

在 rstudio 中确定 nls 函数的最佳初始值

Determining the best initial values for nls function in rstudio

评论

评论