[英]3 parameter nonlinear equation fitting in R
我試圖在 R 中找到一種方法,它允許一般方程 a*b^x + c 的參數(a、b、c)提供最適合 3 個約束隨機坐標/點(p1、p2、p3 - 坐標分別為 x1/y1、x2/y2 和 x3/y3)。
這些坐標的約束是:
我想找到一種能夠為 a、b 和 c 生成值的方法,它生成一條接近 p1、p2 和 p3 的線。 這只是使用 desmos(示例參見此處 - https://www.desmos.com/calculator/4lmgazmrko ),但我無法在 R 中找到解決方案。我嘗試了以下方法:
x <- c(0, 0.7, 0.9)
y <- c(0.9, 0.8, 0)
df_test <- as.data.frame(cbind(x, y))
predict_y_nonlinearly <- function(beta, x){
beta[1]*(beta[2]^x) + beta[3]
}
a_nonlinearmodel <- function(beta, x, y){
y_hat <- predict_y_nonlinearly(beta, x)
sum((y-y_hat)^2)
}
beta <- optim(rnorm(3), a_nonlinearmodel, method = "SANN",
y = df_test$y, x = df_test$x)$par
predict_y_nonlinearly(beta, df_test$x)
但是優化 function 似乎陷入了局部最小值,並且很少產生正確的解決方案(即使使用不同的“方法”設置)。 我知道 nls function,但這需要選擇起始值——我更喜歡在這個階段不需要手動輸入的方法(因為 desmos 方法能夠實現)。
謝謝
給定兩個零約束,我們可以通過分析將其簡化為單參數問題:
x1 = 0 → y1 = a + c → c = y1-a
y3 = 0 → 0 = a*b^x3 + (y1-a)
→ a*(b^x3 - 1) = -y1
→ a = y1/(1-b^x3)
所以我們有一個預測y
的單參數 function,包含x1 = y3 = 0
約束:
predfun <- function(b = 1, x, y) {
a <- y[1]/(1-b^x[3])
c <- y[1] - a
a*b^x +c
}
平方和目標 function:
target <- Vectorize(function(b) sum((y - predfun(b, x, y))^2))
可視化:
curve(target, from = -10000, to = 100000, log = "y")
現在使用optimize()
進行一維優化(我們仍然需要指定一個起始區間,雖然不是一個具體的起始點)。
optimize(target, c(-10000, 1000000))
結果:
$minimum
[1] 58928.93
$objective
[1] 2.066598e-20
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.