问题标签 [non-linear-regression]

我首先想说的是，我理解为非线性回归计算 R^2 值并不完全正确或有效。

但是，我正处于将 SigmaPlot 中的大部分工作转移到 R 的过渡期，对于我们的非线性（浓度 - 响应）模型，同事们习惯于看到与模型相关的 R^2 值来估计优度合身。

SigmaPlot 使用 1-（残余 SS/总 SS）计算 R^2，但在 RI 中似乎无法提取总 SS（总结报告残余 SS）。

当我尝试让我们使用更好的拟合优度估计器时，将不胜感激任何有助于使其发挥作用的帮助。

干杯。

在正常的机器学习问题中，您会获得许多特征（例如：-如果您正在制作图像识别器），因此当有很多特征时，您无法可视化数据（您无法绘制图形）。在不绘制图表的情况下，有没有办法确定我们应该对那个问题使用多大程度的假设函数？如何确定要使用的最佳假设函数？例如：-

如果有 2 个输入 x(1),x(2)。

是否选择 (w0) + x(1)*w(1) + x(2)*w(2) 作为假设函数或

w(0) + x(1)*w(1) + x(2)*w(2) + x(1)*x(2)*w(3) + (x(1)^2)*w (4) + (x(2)^2)*w(5)

作为假设函数：其中 w(0),w(1),w(2),w(3)...... 是权重。

我是 R 新手，但我正在寻找一种方法来确定与 R 中的以下函数相关的三个参数 A、B 和 C：

y = A * (x1^B) * (x2^C)

有人可以给我一些关于 R 方法的提示，以帮助我实现这样的拟合吗？

感谢您的初步回复。

假设，我有一个矩阵；

如果我想使用 apply 函数将以下 nls 函数应用于每一行。

我该如何编程？同样，由于k响应变量直观地是上述矩阵的行。

我正在尝试使用数据集在 R 中运行非线性多元回归，它有数千行，所以我将前几行放在这里：

有人可以用非常简单的术语向我解释如何使用 Header.1 和 Header.2 作为自变量并使用 Header.7 作为因变量来运行非线性多元回归吗？我使用 成功运行了线性多元回归lm()，但是当我尝试使用时nls()，我收到以下错误消息：

getInitial.default(func, data, mCall = as.list(match.call(func, : no 'getInitial' method found for "function" objects

如果您需要更多信息才能运行回归，请告诉我。谢谢。

我需要关于曲线拟合问题的帮助。我对 R 也很陌生。我有一些数据（3 对类型(x,y)），需要应用非线性回归。

基本上，我有一个函数和 6f(x,a,b,c,d,e,f)个 x其他参数。我想找到一组(a,b,c,d,e,f)最小化平方残差的加权和（权重与平方标准偏差成反比（尽管在另一行中它说与方差成反比 - 也许它是相同的，不知道））。

这可以在 R 上以简单的方式完成吗？或者有没有其他软件可以以简单的方式做到这一点？

我正在使用该nls2软件包进行合身。拟合是正确的，但我如何只取回预测变量的计算值？

公式：

即我怎样才能只取回 t、h、x0 和 W 的值？谢谢！

我对 R 很陌生，我想问一下如何使用以下公式执行时间序列数据的迭代：

ln(x) + x = 常数，

其中 x 是从时间序列中获取的数据。x 的极限是从零到无穷大，只要左边等于右边。我还想问如何显示计算出的 x 值来预测未来事件，比如如果我有 2013 年到 2014 年的数据，那么我想预测 2015 年的值。数据的频率正好是从 1 月到 12 月（频率=12）。

我是机器学习的新手。对于示例公式 y= 5 + 10(x^2)，我生成了 x 和 y 值并对其应用线性回归。我收到的 theta1 和 theta2 值是一条成本很高的直线。如何修改线性回归算法以获得 theta1 = 5 和 theta2 = 10 的确切值？

应该如何决定使用线性回归模型还是非线性回归模型？

我的目标是预测 Y。

如果是简单的x和y数据集，我可以通过绘制散点图轻松决定应该使用哪个回归模型。

在x1,x2,...,xn和y等多变量的情况下。我如何决定必须使用哪个回归模型？也就是说，我将如何决定使用简单的线性模型或非线性模型，例如二次、三次等。

是否有任何技术或统计方法或图形来推断和决定必须使用哪个回归模型？请指教。