时间戳

首页 > 解决方案 > 在 R 中建模嘈杂的 1/x 数据，从摘要中获得“基本上完美的拟合” - 为什么？

r - 在 R 中建模嘈杂的 1/x 数据，从摘要中获得“基本上完美的拟合” - 为什么？

问题描述

只是想通过以下玩具示例让自己了解如何将倒数函数拟合到数据中：

# includes
library(ggplot2)
library(forecast) 
library(scales)    

# make data
sampledata <- as.data.frame( .1 * seq(1, 20))
names(sampledata) <- c("index")

sampledata$truevalue <- (1/sampledata$index)

# make noisy data
sampledata$noise <- runif(20, .5, 1.5)
sampledata$noisyvalue <-sampledata$noise * (1/sampledata$index)

# linearize transformation
sampledata$invvalue <- 1/sampledata$noisyvalue

# linear model
samplemodel <- lm(sampledata$invvalue ~ sampledata$index)

# predict
sampledata$predictedValues_hat <- predict(samplemodel, newdata=as.data.frame(sampledata$index))

# de-transform
sampledata$predictedvalues <- 1/sampledata$predictedValues_hat

# plot
sampleplot <- ggplot(data = sampledata, aes(x = index, y = noisyvalue)) +
  geom_point() +
  geom_line(color = 'red', data = sampledata, aes(x = index, y = sampledata$truevalue)) +
  ggtitle("1/x Modeling Example") +
  theme(plot.title = element_text(color="black", size=14, face="bold", hjust = .5)) +
  geom_line(color = 'blue', data = sampledata, aes(x = index, y = sampledata$predictedvalues)) +
  scale_x_continuous(breaks=seq(0, 10))

show(sampleplot)

这似乎或多或少都可以，但是当我查看模型摘要时，我不明白发生了什么。每次运行，我都会得到相同的结果：

> summary(model)

Call:
lm(formula = sampledata$invvalue ~ sampledata$index)

Residuals:
       Min         1Q     Median         3Q        Max 
-3.211e-16 -2.215e-16 -1.218e-16  1.251e-16  6.001e-16 

Coefficients:
                  Estimate Std. Error   t value Pr(>|t|)    
(Intercept)      6.641e-01  1.879e-16 3.535e+15   <2e-16 ***
sampledata$index 1.000e+00  3.176e-17 3.149e+16   <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 3.331e-16 on 9 degrees of freedom
Multiple R-squared:      1, Adjusted R-squared:      1 
F-statistic: 9.916e+32 on 1 and 9 DF,  p-value: < 2.2e-16

Warning message:
In summary.lm(model) : essentially perfect fit: summary may be unreliable
>

这个“完美契合”信息的意义是什么？它在图上看起来肯定不像模型是“完美的”——无论是嘈杂的数据还是真正的生成源。

标签： rdata-sciencecurve-fittingdata-analysis

解决方案

我只是愚蠢-评论者指出我正在对不同的模型进行摘要。啊。

推荐阅读