2

我正在使用nlsLM包中的 R 函数，minpack.LM 但出现以下错误。

我用噪声生成自己的信号，所以我知道所有参数，我试图使用相同的函数进行回归分析，我曾经用来生成信号。

问题是，该nlsLM函数运行良好，它甚至可以找到正确的参数值，但最后，当它找到它们时，错误出现如下：

它。23，RSS = 14.4698，标准杆。= 42.6727 0.78112 1 65.2211 15.6065 1

它。24，RSS = 14.4698，标准杆。= 42.671 0.781102 1 65.2212 15.6069 1

stats:::nlsModel(formula, mf, start, wts) 中的错误：初始参数估计处的奇异梯度矩阵

我不知道该怎么办。请解释它可能是什么，以及我如何解决它！

附加信息：

#This is how i generate my signal (it is convolution of gaussian with exp(-kt)

set.seed(100)

Yexp=sim_str_exp(error=10)

time=Yexp[[1]]

y=Yexp[[2]]

dataset_nls=data.frame(time,y)

start=c(tau1=.5,beta1=.5,exp_A1=.5,gaus_pos=.5,gaus_width=.5,gaus_A=0.5)

lower=c(tau1=0.01,beta1=0.01,exp_A1=0.01,gaus_pos=0.01,gaus_width=0.01,gaus_A=0.01)

upper=c(tau1=100,beta1=1,exp_A1=1,gaus_pos=100,gaus_width=850,gaus_A=1)

#here i do fitting

FIT=nlsLM(y ~ str_exp_model(time,tau1,beta1,exp_A1,gaus_pos,gaus_width,gaus_A),data=dataset_nls,start=start,lower=lower,upper=upper,trace=TRUE,algorithm="LM",na.action=na.pass,control=nls.lm.control(maxiter=200,nprint=1))

#Model_function

str_exp_model<-function(time, tau1,beta1,exp_A1,gaus_pos,gaus_width,gaus_A){
F_gen_V<-vector(length=length(time))

F_gaus_V=vector(length=length(time))
F_exp_V=vector(length=length(time))
for (i in 1:length(time)) {
F_gaus_V[i]=gaus_A*exp(-2.77*((i-gaus_pos)/gaus_width)^2)
F_exp_V[i]=exp_A1*exp(-1*(i/tau1)^beta1)
}

convolve(F_gaus_V, F_exp_V,FALSE)
}

信号生成功能

sim_str_exp<- function(num_points=512,time_scale=512,tau1=45,beta1=.80,exp_A1=1,gaus_pos=65,

gaus_width=15, gaus_A=1,Y0=0, error=2.0, show_graph=TRUE, norm="False"){

F_gen_V<-vector(length=num_points)
time_gen_V<-vector(length=num_points)
F_gaus_V=vector(length=num_points)
F_exp_V=vector(length=num_points)
ts=time_scale/num_points
sigma=vector(length=num_points)


for (i in 1:num_points) {
F_gaus_V[i]=gaus_A*exp(-2.77*((i*ts-gaus_pos)/gaus_width)^2)
F_exp_V[i]=exp_A1*exp(-1*(i*ts/tau1)^beta1)
time_gen_V[i]=i*ts
}

F_gen_V<-(convolve(F_gaus_V, F_exp_V,FALSE))+Y0

if(norm==TRUE){
F_gen_V=F_gen_V/max(F_gen_V)}
else{;}

error_V=runif(512,-1*error, error)

for(i in 1:num_points){
F_gen_V[i]=error_V[i]/100*F_gen_V[i]+F_gen_V[i]
sigma[i]=(error_V[i]/100*F_gen_V[i])
}

RETURN=list(time=time_gen_V,y=F_gen_V,sigma=sigma)

if (show_graph==TRUE){
plot(RETURN[[1]],RETURN[[2]], type="l", main="Generated signal with noise",xlab="time,        pixel",ylab="Intensity");}
else {;}

return(RETURN)

}
4

1 回答 1

2

你还没有向我们展示sim_str_exp，所以这个例子不是完全可重现的，但我会在这里猜测一下。你说“我用噪声生成我自己的信号”，但你用Yexp=sim_str_exp(error=0)它来生成数据，所以看起来你实际上并没有添加任何噪声。（另外，您在最后一步报告的 RSS 是1.37e-28...）

我的猜测是您遇到了 中记录的问题?nls，即nls()当噪声为零时效果不佳。这没有记录在 中?nlsLM，但如果它也保留在那里，我不会感到惊讶。

为方便起见，这是我所指的部分?nls：

不要在人工“零残差”数据上使用“nls”。

 The ‘nls’ function uses a relative-offset convergence criterion
 that compares the numerical imprecision at the current parameter
 estimates to the residual sum-of-squares.  This performs well on
 data of the form

                        y = f(x, theta) + eps                       

 (with ‘var(eps) > 0’).  It fails to indicate convergence on data
 of the form

                           y = f(x, theta)                          

 because the criterion amounts to comparing two components of the
 round-off error.  If you wish to test ‘nls’ on artificial data
 please add a noise component, as shown in the example below.

如果我的假设是正确的，那么如果您将噪声幅度设置为大于零，那么您应该能够没有错误地进行拟合。

于 2013-02-04T15:51:53.930 回答