R 如何求解奇异梯度矩阵误差？

我正在创建一个非线性回归模型来拟合下面的数据

密谋

我不断发现错误：

初始参数估计的奇异梯度矩阵

谁能解释一下我的模型有什么问题吗？我试图写的方程是

y=（p1*logbasep2（x））/（x^p3）

，其中

p1

、

p2

和

p3

是常数

p1 <- 1
p2 <- 1 
p3 <- 2


model1 = nls(ydata ~ ((p1*log(xdata, p3))/(xdata)^p2), start = list(p1 = p1, p2 = p2, p3 = p3))

---

事实证明，你的问题更像是数学问题而不是统计问题。问题是

log（x，b1）

和

log（x，b2）

的区别只是一个常数（

log（x，b1）

=

log（x，b2）*log（b2，b1）

）。这意味着您的

p1

和

p3

参数是冗余的。因此，如果您省略了p3，一切都会正常工作（这只是更改公式的许多合理方法中的一种选择…）

最好将

nls

与

data

参数一起使用，因为这样可以更容易地预测新值：

dd <- data.frame(x=xdata,y=ydata)
model1 = nls(y ~ ((p1*log(x))/(x)^p2),
             start = list(p1 = 1, p2 = 1),
             data=dd)

---

dd您需要更好的起始值。同样从你的方程来看，当扩展数据为1时，无论参数值如何，ydata都将为零，这可能会使事情变得困难。你能粉碎你的数据吗：如果能，你能用
dput（ydata）
和
dput（xdata）
ps什么是
logbasep2
用logbasep2编辑你的问题吗？我的意思是，我希望对数的基数也是一个参数。我们感谢你的努力，但请发布
dput（）的结果
作为问题中的文本，而不是屏幕截图（这种格式对于试图复制您的问题的人来说或多或少是无用的…）您的
dput
输出不完整。。。（请不仅仅包括前三行…）感谢您的回复。。。因此，如果曲线明显缺少数据点，这是否意味着我为拟合点定义的函数本身是错误的，我需要找到一个新的多项式/对数函数来拟合这些点？“所有模型都是错误的…”（框）——但是的，这意味着你应该能够找到一个更好的模型。两个明显的问题是（1）您的模型在x=1时固定为零；（2） 当x变大时，你的模型变为零——这两个特征都与你的数据相矛盾……嘿，本——再次感谢你的回答。。我很难找到一个函数来优化我的数据。我不是在征求具体的建议，但是你会说最好的方法应该是对不同类型的函数（多项式/对数等）进行反复试验，直到我找到一个能够通过我的大部分观点并且准确的方法吗？这是一个大话题。理想情况下，您可以考虑数据的几何图形（哪些方面适合/不适合），并适当调整曲线，例如添加垂直偏移
y~p0+（（p1*log（x））/（x）^p2）
。还值得考虑生成数据的过程。。。也许（？）有用。
dd <- data.frame(x=xdata,y=ydata)
model1 = nls(y ~ ((p1*log(x))/(x)^p2),
             start = list(p1 = 1, p2 = 1),
             data=dd)

xvec <- seq(1,7,length=101)
par(las=1,bty="l")  ## cosmetic
plot(y~x,data=dd)
lines(xvec,predict(model1,newdata=data.frame(x=xvec)))