nls

3熱

1答えて

指数関数的減衰に適合させようとしたときに、x軸に10進数がある場合、適合は決して正しくありません。以下は私のデータです： exp.decay = data.frame(time,counts) time counts 1 0.4 4458 2 0.6 2446 3 0.8 1327 4 1.0 814 5 1.2 549 6 1.4 401 7 1.6 266 8 1.8

0熱

1答えて

nlsが収束してもエラーを返す

私は奇妙な問題に直面しています。おそらく愚かですが、私はそれを見ていないし、助けに感謝します。次のコードは今 x<-seq(100, 1000, 100) b<-0.3 y<-x^-b のは、私がモデルに合うようにしたいとすることができますように私は（説明のために、 df <- data.frame(x = x, y = y) nlf <- nls(y~p1*x^-p2 , data =

0熱

1答えて

より広い範囲を予測する

データを適合させ、より広いx範囲のy値を予測したいと思います。これはフィッティングプロット私はこのデータに合うようにしたいです私は「アイリス」のデータが設定されており、このpost library(dplyr) cc <- iris %>% group_by(Species) %>% do({ mod <- nlsLM(Sepal.Length ~ k*Sepa

2熱

1答えて

R：nlsがgeom_smoothのカスタム関数で使用されたときに追加の引数を取得しない

これは以前の質問geom_smooth with facet_grid and different fitting functionsに関連する質問です。その質問では、私はgeom_smoothの異なるフィッティング関数をggplot2のファセットグリッドの各ファセットに使用しようとしていました。 Marco Sandriは、既存の数式ではなくユーザー定義の数式を使用するように調整しようとしている

1熱

1答えて

エラー：結果は位置のデータフレームではありません。

かなり大きなデータフレームでフィッティング関数を実行しようとしましたが、"big_group"と'small_group'という変数でグループ化されています。特に、big_groupの内側にあるsmall_groupのすべての予測値とcoefs値を取得しようとしています。つまり、これらの新しい列をdo({関数の最後にある新しいdata.frameに追加しようとしています。このデータのグループ

0熱

2答えて

nls2はベクトル化された初期値をnlsとは異なり単一の要素として扱います

nlsを使用して、以下のようにパラメータベクトルを適合させることができました。これは、私が適合したいパラメータの数を決定します。下の例のように。ここで私はフィッティングですy = k + a_1 x^2 + a_2 x^3 + a_3 x^3。私は単純に初期値の数を変更することができ、それによって推定する共効係数の数が変わります。ただし、このアプローチはnls2では機能しません。それはちょうどy

1熱

1答えて

広い範囲で予測する（

）この質問を何度も繰り返していただきありがとうございますが、より広い範囲を予測することができないようです。データのnrowが予測値とよく一致すれば、エラーは発生していないようです。しかし、もしあなたがの異なる範囲を予測したいのであれば、がエラーになります。それがうまく機能dplyrdo-requires-named-function から同じデータを使用。しかし、フィッティングの範囲を変更したい

0熱

1答えて

nlsひどいカーブフィッティング

私はいくつかの異なるS字曲線にフィットするのに問題があります。より良いフィッティングのための少しの助けは本当に感謝されるでしょう。私は、3つの異なるモデルをしようとしています：重みで 4つのパラメータ nls(y ~ a + (k-a) /(1 + (x/c)^e)^m, start=list(a=a_start, k=k_start, c=c_start, m=m_start, e=e_st

0熱

1答えて

キャレットでstats :: nls非線形最小二乗回帰を使用するには？

私は、私が持っているデータセットでMachine Learningモデルの束を比較しています。生産の現在のモデルは、フォームの方程式である： y ~ a + b * x1^c * x2^d * x3^e, 私は他のモデルから取得したいの改善を評価するためのベンチマークとして、現在の状況を使用したいので、私はそれを実装しましたR使用：これは正常に動作します powerModel <- nls(y