R 如何建立指数回归模型？

我有一个小的（txt文件）

我想得到R的指数回归

我正在使用的命令有：

regression <- read.delim("C:/Users/david/OneDrive/Desktop/regression.txt")
View(regression)
source('~/.active-rstudio-document', echo=TRUE)
m <- nls(DelSqRho ~ (1-exp(-a*(d-b)**2)), data=regression, start=list(a=1, b=1))
y_est<-predict(m,regression$d)
plot(x,y)
lines(x,y_est)
summary(m)

---

我不知道如何解决它，如何获得指数回归，请告诉我，有什么提示吗？

nls

对起始参数的值非常敏感，因此您希望选择能够合理拟合数据的值（

minpack.lm:：nlsLM

可能更宽容一些）

您可以在起始值

a=1

和

b=1

处绘制曲线，并发现它在捕捉曲线方面做得不好

regression <- read.delim("regression.txt")
with(regression, plot(d, DelSqRho, ylim=c(-3, 1)))
xs <- seq(min(regression$d), max(regression$d), length=100)
a <- 1; b <- 1; ys <- 1 - exp(-a* (xs - b)**2)
lines(xs, ys)

（有时无法以这种方式重新排列数据，您可以尝试通过绘制不同起始参数处的曲线来大致了解参数。也可以对起始参数进行蛮力搜索或网格搜索。）

我们现在可以尝试在以下参数下估计

nls

模型：

m <- nls(DelSqRho ~ 1-exp(-a*(d-b)**2), data=regression, start=list(a=a, b=b))
coef(m)
#          a          b 
# -0.2379078  2.8868374 

---

m。。。在这种情况下，您可以通过拟合
start_m=lm（log（1/（1-DelSqRho））~poly（d，2，raw=TRUE），回归）
（这是重新排列的模型方程）和获得
a=coef（start_m）[3]
和
b=sqrt（coef（start_m）[1]/coef（start_m）[3]来获得启动参数的想法
@user20650谢谢您的回答，但我没有正确地得到它们，我尝试了
start_m=lm（log（1/（1-DelSqRho））~poly（d，2，raw=TRUE），回归）；；；；；；谢谢，我尝试了所有命令，但最后一块命令不起作用，它向我提示数据中的错误。frame（d=xs）：未找到对象“xs”
other.Chemist
xs
在第一个代码块中定义
start_m <- lm(log(1/(1-DelSqRho)) ~ poly(d, 2, raw=TRUE), regression)
unname(a <- coef(start_m)[3]) # as `a` is aligned with the quadratic term
# [1] -0.2345953 
unname(b <- sqrt(coef(start_m)[1]/coef(start_m)[3]))
# [1] 2.933345 

m <- nls(DelSqRho ~ 1-exp(-a*(d-b)**2), data=regression, start=list(a=a, b=b))
coef(m)
#          a          b 
# -0.2379078  2.8868374 

# note that `newdata` must be a named list or data frame 
# in which to look for variables with which to predict.
y_est <- predict(m, newdata=data.frame(d=xs))
with(regression, plot(d, DelSqRho))
lines(xs, y_est, col="red", lwd=2)