问题标签 [model-fitting]

我有一个数据框，其中 xy 值表示值及其计数，例如 (1, 1000)、(2, 100)、(3, 10) 等。我想使用 MLE 对这个分布拟合幂律。

我可以使用 power.law.fit 或 power.law 库，但这些库似乎采用了特定的数据样本，而不是表示值及其计数的 xy 值。

有没有其他图书馆可以做这项工作？谢谢！

我正在尝试将 ODE 模型拟合到某些数据并求解模型中参数的值。

我知道 R 中有一个名为 FME 的包，旨在解决此类问题。但是，当我尝试像这个包的手册那样编写代码时，程序无法运行，并出现以下回溯信息：

lsoda(y, times, func, parms, ...) 中的错误：在采取任何集成步骤之前检测到非法输入 - 请参阅书面消息

代码如下：

有没有人知道如何使用 FME 包并解决问题？

我正在使用包中的gpd命令将 GPD 拟合到一些单变量变量evir。作为一个双参数分布系列，如果我运行

我获得了第一个参数，即观察 1 到 1000 的形状参数 xi。

由于我想为 xi 开发一个时间序列模型，因此我想提取整个系列的参数 xi（总共 4344 个观察值）。我的尝试：

如您所见，程序是相同的；我使用超过 95% 的分位数超过 1000 个观测值（所以 50 个数据点）来估计 xi，并且我想要 3345 个估计值（从 1-1000 到 3345-4344）。但是，我收到以下错误：

优化错误（theta, negloglik, hessian = TRUE, ..., tmp = extra）：valore non finito fornito da optim

最后一句话可以翻译为“优化提供的价值不是有限的”。

这有什么问题，即为什么它适用于给定的观察结果（例如 1:1000）但不适用于循环示例？我怎样才能解决这个问题？

如果有人想尝试，我已经分享了 z_b 的数据：https ://www.dropbox.com/s/fbg04thvvb6x5d8/zb.txt?dl=0

在opencv（或其他c++ lib）中，是否有类似matlab的函数fit可以进行3d多项式曲面拟合（即f(x,y)= p00 + p10*x + p01*y + p20*x^2 + p11*x*y + p02*y^2）。谢谢

我正在尝试使用 LMFIT 拟合模型，我可以轻松地执行以下操作：

并得到非常合理的结果

现在我还有一些与我的measured变量相关的不确定性（例如测量误差），所以我想通过与之相关的标准误差对残差中的点进行加权（假设它始终是测量值的 20%）。代码现在变成了这样：

问题是现在我得到完全不可靠的拟合结果。为什么？我怎样才能解决这个问题？

这个问题可能过于特定于包，但我会重视我predict在数据集上使用该函数时可能出现的问题。

我正在使用的程序如下：

现在，下面的过程旨在构建可比较的（在正面和负面案例方面平衡）训练和验证数据集。

好的，所以我们现在有两个可比较的集合。

我将模型拟合到训练集没有问题（我在这里尝试使用一系列 Lambda1 值）。但是，将模型拟合到验证数据集失败了，只是奇怪的错误描述。

只是为了确保这不是由于数据集中的某些 NA：

奇怪的是，我可能会生成一些与正确数据集相当的新数据：

and run the procedure above, and then the second fit works! How come? What could be wrong with my second (not training) data set?

我对许多科目都有一组观察结果，我想为每个科目拟合一个模型。

我正在使用包data.table和fitdistrplus，但也可以尝试使用dlpyr.

假设我的数据是这种形式：

这是我到目前为止所尝试的：

我认为这会导致错误，因为调用fitdist返回的fitdist对象无法存储在数据表/数据框中。

data.table有没有任何直观的方法可以使用or来做到这一点dplyr？

编辑：提供了一个 dplyr 答案，但我也希望有一个 data.table ，我将尝试针对这两者运行一些基准测试。

我有一组嘈杂的数据，想在 MATLAB 中拟合一个自定义方程。接下来，我将获取系数的值并在我的算法中使用它们。但是我被卡住了，我不知道为什么。我使用非线性方程 a+b*log10(x1-dcos(alpha-x2)) 其中 x1,x2 和响应值是已知的。第一个问题是 a、b 和 alpha 的系数必须有界。例如，这里的 alpha 度数只能在 0 到 360 之间变化。我不知道如何使用曲线拟合工具箱来实现这一点。

我还尝试了其他选项，例如 MATLAB 中的非线性回归技术（fitnlm、lsqcurvefit 等），但结果令人失望，因为我无法限制这些变量。因此，尽管拟合非常好，但系数太差了。

那么，问题 1：如何使用曲线拟合拟合多个变量？问题 2：如果那不可能，那么除了非线性回归之外，我还可以使用哪些其他技术。

许多thnaks提前！祝你有美好的一天 ！

I have some issue using nls() to estimate parameters. I have a following set of functions to explain some data in hand:

I am trying to fit funk2 to y:

When I use nls():

it shows me following error:

Error in f(x, ...) : object 'l' not found

Isn't the whole point of nls() to substitute different values for parameters l and r from parameter space to fit the function by minimizing SSR and give the parameter estimates? why it needs value of l for it to work? I am definitely missing something big here. Please help!

Thanks in advance!

使用lsqcurvefitMATLAB 中的函数，如何为参数之一强制执行整数类型？所讨论的特定参数是向量的索引，因此只有整数值才有意义；但是，拟合例程可能会在迭代期间尝试参数的任意实数值。