初始参数估计的R-奇异梯度矩阵
我试图将调和方程拟合到我的数据中,但当我应用初始参数估计的R-奇异梯度矩阵,r,nls,R,Nls,我试图将调和方程拟合到我的数据中,但当我应用nls函数时,R给出了以下错误: nlsModel(公式、mf、start、wts)中的错误:初始参数估计时的奇异梯度矩阵 我看到的所有关于这个错误的帖子都是指数函数,其中线性化被用来修正这个错误,但是在这个例子中,我不能用这种方法来解决它。我试着使用其他的起点,但仍然不起作用 代码: y <- c(20.91676, 20.65219, 20.39272, 20.58692, 21.64712, 23.30965, 23.35657, 24.2
nls
函数时,R给出了以下错误:
nlsModel(公式、mf、start、wts)中的错误:初始参数估计时的奇异梯度矩阵
我看到的所有关于这个错误的帖子都是指数函数,其中线性化被用来修正这个错误,但是在这个例子中,我不能用这种方法来解决它。我试着使用其他的起点,但仍然不起作用
代码:
y <- c(20.91676, 20.65219, 20.39272, 20.58692, 21.64712, 23.30965, 23.35657, 24.22724, 24.83439, 24.34865, 23.13173, 21.96117)
t <- c(1, 2, 3, 4 , 5 , 6, 7, 8, 9, 10, 11, 12)
# Fitting function
fit <- function(x, a, b, c) {a+b*sin(2*pi*x)+c*cos(2*pi*x)}
res <- nls(y ~ fit(t, a, b, c), data=data.frame(t,y), start = list(a=1,b=0, c=1))
y有几个问题:
cos(2*pi*t)
是问题中给出的t
的所有1的向量,因此,如果已经存在截距,则无法识别模型
该模型在参数上是线性的,因此可以使用lm
而不是nls
,并且不需要起始值
即使我们解决了大的第二个系数所看到的那些问题,该模型也不能很好地工作。改进模型
给予:
Call:
lm(formula = y ~ sin(2 * pi * t))
Coefficients:
(Intercept) sin(2 * pi * t)
2.195e+01 -2.262e+14
Nonlinear regression model
model: y ~ cbind(1, cos(a * t + b))
data: parent.frame()
a b .lin1 .lin2
0.5226 4.8814 22.4454 -2.1530
residual sum-of-squares: 0.7947
Number of iterations to convergence: 9
Achieved convergence tolerance: 8.865e-06
相反,请使用plinear算法尝试此模型,该算法不需要线性输入的参数的起始值。这实现了模型.lin1+.lin2*cos(a*t+b)
,其中.lin1和.lin2参数是线性输入的隐式参数,不需要起始值
fm <- nls(y ~ cbind(1, cos(a * t + b)), start = list(a = 1, b = 1), alg = "plinear")
plot(y ~ t)
lines(fitted(fm) ~ t, col = "red")
fm
您能否提供一个产生此错误的示例数据?例如,可能只有前几行数据,或者一些虚假数据。当然!我编辑这篇文章是为了给出一个数字例子。感谢您的帮助和出色的解释!我对所有线性和非线性方程使用了nls
函数,因为到目前为止它对我来说工作正常,但在这种情况下,我将实时向量转换为简单的数字,并没有意识到荒谬的错误。
Nonlinear regression model
model: y ~ cbind(1, cos(a * t + b))
data: parent.frame()
a b .lin1 .lin2
0.5226 4.8814 22.4454 -2.1530
residual sum-of-squares: 0.7947
Number of iterations to convergence: 9
Achieved convergence tolerance: 8.865e-06