r - 指数衰减适合 r
问题描述
我想将 R 中的指数衰减函数拟合到以下数据:
data <- structure(list(x = 0:38, y = c(0.991744340878828, 0.512512332368168,
0.41102449265681, 0.356621905557202, 0.320851602373477, 0.29499198506227,
0.275037747162642, 0.25938850981822, 0.245263623938863, 0.233655093612007,
0.224041426946405, 0.214152907133301, 0.207475138903635, 0.203270738895484,
0.194942528735632, 0.188107106969046, 0.180926819430008, 0.177028560207711,
0.172595416846822, 0.166729221891201, 0.163502461048814, 0.159286528409165,
0.156110097827889, 0.152655498715612, 0.148684858095915, 0.14733605355542,
0.144691873223729, 0.143118852619617, 0.139542186417186, 0.137730138713745,
0.134353615271572, 0.132197800438632, 0.128369567159113, 0.124971834736476,
0.120027536018095, 0.117678812415655, 0.115720611113327, 0.112491329844252,
0.109219168085624)), class = "data.frame", row.names = c(NA,
-39L), .Names = c("x", "y"))
我试过用 nls 拟合,但生成的曲线并不接近实际数据。
如果有人能解释如何处理这些非线性数据并找到最合适的函数,那将非常有帮助。
解决方案
试试y ~ .lin / (b + x^c)
。请注意,当使用"plinear"
one.lin
时,在指定公式时省略了线性参数,nls
并且也省略了它的起始值。
另请注意,.lin
和b
参数在最佳状态下约为 1,因此我们也可以尝试单参数模型y ~ 1 / (1 + x^c)
。这是单参数对数逻辑生存曲线的形式。这个单参数模型的 AIC 比 3 参数模型(比较AIC(fm1)
和AIC(fm3)
)的 AIC 差,但单参数模型可能仍然更可取,因为它的简约性以及拟合与 3 参数模型在视觉上无法区分的事实。
opar <- par(mfcol = 2:1, mar = c(3, 3, 3, 1), family = "mono")
# data = data.frame with x & y col names; fm = model fit; main = string shown above plot
Plot <- function(data, fm, main) {
plot(y ~ x, data, pch = 20)
lines(fitted(fm) ~ x, data, col = "red")
legend("topright", bty = "n", cex = 0.7, legend = capture.output(fm))
title(main = paste(main, "- AIC:", round(AIC(fm), 2)))
}
# 3 parameter model
fo3 <- y ~ 1/(b + x^c) # omit .lin parameter; plinear will add it automatically
fm3 <- nls(fo3, data = data, start = list(b = 1, c = 1), alg = "plinear")
Plot(data, fm3, "3 parameters")
# one parameter model
fo1 <- y ~ 1 / (1 + x^c)
fm1 <- nls(fo1, data, start = list(c = 1))
Plot(data, fm1, "1 parameter")
par(read.only = opar)
AIC
在其他答案中添加解决方案,我们可以比较 AIC 值。我们用它使用的参数数量标记了每个解决方案(自由度将比那个大一),并重新设计了 log-log 解决方案以使用nls
而不是lm
LHS 为 y,因为无法比较 AIC 值具有不同左侧或使用不同优化例程的模型,因为使用的对数似然常数可能不同。
fo2 <- y ~ exp(a + b * log(x+1))
fm2 <- nls(fo2, data, start = list(a = 1, b = 1))
fo4 <- y ~ SSbiexp(x, A1, lrc1, A2, lrc2)
fm4 <- nls(fo4, data)
aic <- AIC(fm1, fm2, fm3, fm4)
aic[order(aic$AIC), ]
从最佳 AIC(即 fm3)到最差 AIC(即 fm2):
df AIC
fm3 4 -329.35
fm1 2 -307.69
fm4 5 -215.96
fm2 3 -167.33
推荐阅读
- excel - Excel VBA Apostrophe Disappears on Copy
- jquery - 元素发生事件时的 jQuery 事件
- c# - 需要在 OnClick 事件期间更改标签文本。带有 C# 后端的 ASP 页面
- python - python datetime.strptime [0-23] vs [1-24]
- json - 如何在颤振中创建嵌套的json对象
- uitableview - 如果滚动到底部太快,JavaFX TableView 会崩溃,自定义单元格也会变得不合逻辑
- python - 元组数组中最大元素的索引
- php - Ajax 发布请求后不显示结果
- swagger - OAS3 指定的服务版本控制
- python - 获取具有特定依赖项的 conda 包的版本