nls

3熱度

1回答

當我嘗試擬合指數衰減並且我的x軸有十進制數時，擬合從不正確。這裏是我的數據如下： exp.decay = data.frame(time,counts) time counts 1 0.4 4458 2 0.6 2446 3 0.8 1327 4 1.0 814 5 1.2 549 6 1.4 401 7 1.6 266 8 1.8 182 9 2.0 140 10

1熱度

1回答

預測（）在更廣的範圍

我很抱歉一遍又一遍地重複這個問題，但似乎我對預測更廣泛的範圍瞭解不足。看起來，如果數據的nrow與預測值匹配得不錯，就沒有錯誤。但是，如果您想預測不同範圍我們將會收到錯誤消息。使用相同的數據，從dplyrdo-requires-named-function 它工作得很好。但是如果你想改變配件的範圍，我會收到一個錯誤！ library(dplyr) iris %>% group_by(

0熱度

1回答

如何在插入符中使用stats :: nls非線性最小二乘迴歸？

我正在比較一堆我學習的數據集上的機器學習模型。在生產中目前的模式是以下形式的公式： y ~ a + b * x1^c * x2^d * x3^e, 因爲我想用目前的情況爲基準來評估改善我和其他型號的東西，我已經實現了它R使用： powerModel <- nls(y ~ a + b * x1^c * x2^d * x3^e, data = df, start

0熱度

1回答

優化擬合係數以便更好地擬合

我使用minpack.lm軟件包運行非線性最小二乘法。但是，對於數據中的每個組，我想優化（最小化）擬合參數，如類似於Python的minimize函數。 minimize（）函數是Minimizer運行優化問題時的一個包裝。它需要一個目標函數（函數，用於計算要最小化的數組），一個Parameters對象和幾個可選參數。我需要這個的原因是，我想基於獲得的擬合參數來優化擬合函數以找到適合數據中

0熱度

1回答

nls收斂，但給出錯誤

我正面臨一個奇怪的問題。可能是愚蠢的，但我沒有看到它，並會感謝幫助。請看下面的代碼 x<-seq(100, 1000, 100) b<-0.3 y<-x^-b 現在讓我們假設我要擬合模型，我使用，用於說明目的下面的代碼 df <- data.frame(x = x, y = y) nlf <- nls(y~p1*x^-p2 , data = df, start=list(p1=1,p2=

0熱度

1回答

Geom_smooth：添加組時，迭代次數超過最大值50？

我在建模方面很新穎。我有三組數據（通過period），我想通過散點圖上的線顯示。我想出瞭如何在geom_smooth中使用我的方法和公式，並且我能夠顯示一行。然而，當我想增加每組線，這可能是ggplot(.., aes(..,group = period))來完成，我回來一個警告： Warning message: Computation failed in `stat_smooth()`:

0熱度

1回答

預測更大範圍

我想擬合更寬的x範圍的數據並預測y值。讓我們假設我有'IRIS的數據集，並從該post library(dplyr) cc <- iris %>% group_by(Species) %>% do({ mod <- nlsLM(Sepal.Length ~ k*Sepal.Width/2+U, start=c(k=10,U=5), data = ., trace=

2熱度

1回答

R：在geom_smooth中使用自定義函數時沒有選擇其他參數

這是一個涉及我早期問題geom_smooth with facet_grid and different fitting functions的問題。在那個問題中，我試圖在geom_smooth中爲ggplot2的facet網格中的每個方面使用不同的擬合函數。 Marco Sandri懇切地提供了一個答案，我正試圖使用用戶定義的公式而不是現有公式（例如，lm,loess）。這是我的代碼。 # L

0熱度

1回答

ORA-01861：文字不匹配格式字符串01861

我給出了查詢，我得到的錯誤爲SQL Error: ORA-01861: literal does not match format string 01861。 ORD_DEL_DATE是日期數據類型，值存儲在此列中的27-SEP-2017 12-00-00。它不可能爲我改變NLS設置，所以如果我可以在查詢中更改並使其運行，這是可能的。 SELECT * from Report_Result

3熱度

2回答

如何使用method =「nlsLM」（在封裝minpack.lm）在geom_smooth

test <- data.frame(Exp = c(4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6), t = c(0, 0.33, 0.67, 1, 1.33, 1.67, 2, 4, 6, 8, 10, 0, 33, 0.67, 1, 1.3