我读过一篇文章(S型曲线拟合R )。它被标记为复制,但我看不到任何与帖子相关的内容。而对于这些帖子给出的答案是不够的。
我读了一篇webpage
与其他人类似,他使用以下格式来拟合这行代码:
fitmodel <- nls(y~a/(1 + exp(-b * (x-c))), start=list(a=1,b=.5,c=25))
问题是,在大多数情况下,a,b,c都是给定的,我不知道应该将a,b,c中的哪一组用于我的数据集。有人能给我一些关于如何获得参数的建议吗?
这是我的一组数字:
x <- c(3.9637878,3.486667,3.0095444,2.5324231,2.0553019,1.5781806,1.1010594,0.6242821)
y <- c(6491.314,6190.092,2664.021,2686.414,724.707,791.243,1809.586,541.243)
发布于 2015-10-09 09:25:23
幸运的是,R为逻辑模型提供了一个自启动模型。它使用了轻微的重新参数化,但实际上与您的模型相同:Asym/(1+exp((xmid-input)/scal))
自启动模型可以为您估计良好的起始值,因此您不必指定它们。
plot(y ~ x)
fit <- nls(y ~ SSlogis(x, Asym, xmid, scal), data = data.frame(x, y))
summary(fit)
#Formula: y ~ SSlogis(x, Asym, xmid, scal)
#
#Parameters:
# Estimate Std. Error t value Pr(>|t|)
#Asym 1.473e+04 2.309e+04 0.638 0.551
#xmid 4.094e+00 2.739e+00 1.495 0.195
#scal 9.487e-01 5.851e-01 1.622 0.166
#
#Residual standard error: 941.9 on 5 degrees of freedom
#
#Number of iterations to convergence: 0
#Achieved convergence tolerance: 4.928e-06
lines(seq(0.5, 4, length.out = 100),
predict(fit, newdata = data.frame(x = seq(0.5, 4, length.out = 100))))
当然,您的数据并不真正支持该模型。估计的中点正好在数据范围的正确界限上,因此参数估计(特别是渐近线)是非常不确定的。
发布于 2017-06-01 12:39:04
我用来拟合你的数据的代码:
df <- data.frame(x=c(3.9637878,3.486667,3.0095444,2.5324231,2.0553019,1.5781806,1.1010594,0.6242821),
y=c(6491.314,6190.092,2664.021,2686.414,724.707,791.243,1809.586,541.243))
library(drc)
fm <- drm(y ~ x, data = df, fct = G.3())
plot(fm)
summary(fm)
拟合后的外观:
发布于 2015-10-09 09:34:01
我看到了两个问题。
algorithm='port'
很有用。或者,切换到“健壮”的实现也可能有所帮助。对你的模型的简单解释是: sigmoid在y中从0到a。它在x=c处到达“一半”点。b的作用是斜率,如果为负,模型将从a到0。
具体地说,对于您发布的测试数据,我估计起始值如下:
所以最终使用这个公式
fitmodel <- nls(y ~a/(1 + exp(-b * (x-c)) ) + d, start=list(a=5000,b=1,c=3, d=1000))
提供一个合适的(也可以在没有d的情况下工作)。尝试了一下,我发现设置algorithm='port'
使得命令对起始值的敏感度更低。
https://stackoverflow.com/questions/33033176
复制相似问题