NLS Curve Fit特異行列エラー

Question

私は、フィッティングnlsを助け、特異行列にならない初期推定値を見つける必要があります。私はどんな助けにも大いに感謝します。 st以下

via_data$Concentration <- c(0.197, 0.398, 0.792, 1.575, 
          3.154, 6.270, 12.625, 25.277, 
          25.110, 49.945, 74.680) 
via_data$Viability <- c(100, 94.62, 96.21, 87.53, 
         80, 62.22, 39.11, 
         30.80, 30, 22, 2.56) 
x <- via_data$Concentration 
y <- via_data$Viability 
fit <- nls(y ~((1/(1+Epsup/x)^Bup)*(1/(1+Epsdn/x)^Bdn)), start=list(Epsup=0, Bup=1, Epsdn=10, Bdn=-5), trace=T) 

Error in nlsModel(formula, mf, start, wts) : 
    singular gradient matrix at initial parameter estimates 

おかげで、 Krina

Answer 1

我々は0 foで縮退を回避するためにEpsup=1を使用したこと以外は、ご出発値である式です。負の数をべき乗にするのを防ぐために、Epsupをsqrt(Epsup^2)に置き換え、同様にEpsdnと置き換えました。これにより、EpsupとEspdnは負ではないという前提が追加されます。 （これはabs(Epsup)を使用するのと同じですが、nlxbの派生テーブルにはabsがありません）。nls2を使用して、境界線st/10と10*stの間のグリッドに値を生成します。 nls2はこれらを生成し、見つかった最良のものを"nls"オブジェクトに返します。これをnlmrtパッケージのnlxbの開始値として使用します。それはnlsよりも良い問題を処理します。 nlxbは、（パッケージがnls続いnlxbを実行しますが、その後、我々はnlxbから直接出力を得ることはありませんwrapnlsを持っているが）"nls"オブジェクトを返すので、私たちはfittedを使用することができ"nls"オブジェクトを作成するために、再びnls2を通じてそのを供給していません方法。結果のフィットをプロットします。

次を与える

library(nlmrt) 
library(nls2) 

st <- c(Epsup=1, Bup=1, Epsdn=10, Bdn=-5) 
fo <- y ~ (1/(1+sqrt(Epsup^2)/x)^Bup)*(1/(1+sqrt(Epsdn^2)/x)^Bdn) 

fit.nls2 <- nls2(fo, start = data.frame(rbind(st/10, 10*st)), alg = "brute") 
fit.nlxb <- nlxb(fo, data = data.frame(x, y), start = coef(fit.nls2)) 

：

> fit.nlxb 
nlmrt class object: x 
residual sumsquares = 171.2 on 11 observations 
    after 19 Jacobian and 25 function evaluations 
    name   coeff   SE  tstat  pval  gradient JSingval 
Epsup   10.7464   10.95  0.9814  0.3591 6.855e-05  1584 
Bup    1.15049  0.5928  1.941 0.09345 0.001839  120.2 
Epsdn   642.754   908.5  0.7075  0.5021 -1.298e-06  1.406 
Bdn    -1.13885  0.6315  -1.804  0.1143 0.004964 0.005443 

と視覚的に適合性を評価するためにプロットする：

fit.nlxb.nls <- nls2(fo, start = coef(fit.nlxb)) 
plot(y ~ x) 
lines(fitted(fit.nlxb.nls) ~ x) 

注：私たちは、この入力を使用：

を0

via_data <- data.frame(Concentration = c(0.197, 0.398, 0.792, 1.575, 
    3.154, 6.270, 12.625, 25.277, 25.110, 49.945, 74.680), 
Viability = c(100, 94.62, 96.21, 87.53, 80, 62.22, 39.11, 
         30.80, 30, 22, 2.56)) 
x <- via_data$Concentration 
y <- via_data$Viability