R优化模型参数
我了解如何使用“optim”拟合最小二乘回归线。但是,这需要一组数据(2个变量) 现在,我有一个模型(带有模型参数)和一组“观测数据”。我希望通过最小化RSS/RMSE来优化模型参数 我不知道如何通过“optim”执行此操作。非常感谢您的帮助和建议R优化模型参数,r,optimization,R,Optimization,我了解如何使用“optim”拟合最小二乘回归线。但是,这需要一组数据(2个变量) 现在,我有一个模型(带有模型参数)和一组“观测数据”。我希望通过最小化RSS/RMSE来优化模型参数 我不知道如何通过“optim”执行此操作。非常感谢您的帮助和建议 我附上了一个例子。模型输入仅在第一个时间步中,因为这是某种自回归模型: H[i]=H[i-1]x0.8 其中Y是时间步i的建模值; P为模型输入; Hi-1、A和S是需要优化的模型参数。 对于i=(1-16),最佳模型参数是什么 数据: 其中
- 我附上了一个例子。模型输入仅在第一个时间步中,因为这是某种自回归模型:
其中i是时间步长;P为模型输入;“obs”是观察值。A=S=0,H[i-1]=Y[i]-p[i]给出了完美的拟合。每个参数都有一个值范围(0.001-0.9)。参数不能为零。这只是一个简单的例子。我需要知道如何通过optim或其他方法通过R实现这一点。你需要另一个方程来描述Hi。否则,对于A和S的任何值,都可以找到合适的Hindeterminate@Rohit谢谢你指出这一点。我已修正这项质询。增加了一个额外的方程式。H[i]=H[i-1]x0.8如果你用H0来表示H[i],它会因为AxH0的项而变成一个非线性方程。我认为您可以尝试一种迭代方法:首先假设H0的某个值,然后求解A,S。然后使用A,S的估计值来求解H0。然后迭代,直到值收敛。
i P obs
1 42 5.208
2 0 3.119
3 0 2.642
4 0 2.280
5 0 1.995
6 0 1.899
7 0 1.893
8 0 1.766
9 0 1.577
10 0 1.523
11 0 1.494
12 0 1.470
13 0 1.497
14 0 1.465
15 0 1.377
16 0 1.337