在R中模仿Python的最小化功能

Question

我有以下数据点：

xdata如下所示。

1000.00
300.00
100.00
30.00
10.00
3.00
1.00
0.30
0.10
0.03
0.01
0.00

ydata如下所示。

91.8
95.3
100
123
203
620
1210
1520
1510
1520
1590
1620

我在python中运行以下命令：

results = minimize(fit.dataFit,cParams,args=(xdata,np.array(ydata)))
curve = np.array(ydata)+results.residual
Std = [list(i) for i in zip(xdata,ydata, curve)]

我的主要问题是无法跟踪数据更改流。 dataFit执行以下操作：

y_model = (ymax*xdata / (ec50 + xdata)) + Ns* xdata + ymin return y_model - ydata

哪里

1. ymax = 1624.75
2. ymin = 91.85
3. ec50 = 3
4. Ns = 0.2045514

最后，从以下库中调用最小化：

from lmfit import minimize,Minimizer,Parameters,Parameter,report_errors,report_fit

我在python中获取Std的结果是：

110
49.1
52.4
121
299
688
1110
1420
1550
1590
1610
1620

我正在尝试在R或Excel中复制相同的结果。 任一个就足够了。 我遇到的问题是我无法准确地模拟与minimize （即最小二乘最小化）和residual相同的行为。 我尝试用minimize和residual函数在R中搜索相应的库； 但是，我找不到任何（也没有正确使用它）与Python相同的结果。

当我对xdata ， ydata和minimize的结果（上面已提供）进行图形处理时，我在Python中得到以下图形。 最终，我只想在R或Excel中重现该图。

如何进行？ 我不是Python方面的专家，因此，我无法正确地将代码从Python移植到R或Excel。

Answer 1

您可以使用nls()函数将其复制到R中。 首先，我设置了您的数据，以便可以将其读入R。

## Replicate results from Python `minimize` with R `nls()`
# First I load your data in
df <- data.frame(xdata = c(1000.00,300.00,100.00,30.00,10.00,3.00,1.00,0.30,
                           0.10,0.03,0.01,0.00),
                 ydata = c(91.8,95.3,100,123,203,620,1210,1520,1510,1520,1590,
                           1620))

# Now we estimate the model via nonlinear least squares
nls.fit <- nls(ydata ~ (ymax*xdata / (ec50 + xdata)) + Ns*xdata + ymin, data=df,
    start=list(ymax=1624.75, ymin = 91.85, ec50 = 3, Ns = 0.2045514))

我使用您的初始值作为参数，尽管这些不是模型确定的值。 要查看参数，请在控制台中键入nls.fit ，R将显示有关拟合模型的信息。

df$nls.pred <- fitted(nls.fit) # We extract the predicted values of the model
head(df) # We can examine the values of `xdata`, `ydata` and our predictions

  xdata ydata  nls.pred
1  1000  91.8 109.48985
2   300  95.3  49.02029
3   100 100.0  52.29715
4    30 123.0 120.61060
5    10 203.0 298.55367
6     3 620.0 687.63743

# We can see that the values we have obtained are very close to 
# what you obtained in the variable you named Std in python.

# I now load the ggplot2 library to recreate your plot
library(ggplot2)
ggplot(df, aes(xdata, ydata))+geom_point(color='red')+
  geom_line(data=df, aes(xdata, nls.pred))+
  theme_classic()+ # This makes the background black and white as in your plot 
  scale_x_log10() # The axis in your post is logged