问题标签 [non-linear-regression]

我试图以隐式形式估计以下非线性模型的参数：它的表达式不是由 y = f(x;theta) + u 给出，而是由 u = g(x,y;theta) 给出，其中 u 是随机项， x 和 y 是解释和解释变量。不可能从 g 获得 f（因为 g 不能在 y 中反转和/或 g 在 u 中不是加法的）。下面的 NLS 和 GMM 都不会运行。我在 NLS 和 GMM 文档中找不到有关此问题的任何信息，所以我想知道该怎么做。我将不胜感激有关此主题的任何帮助。

更具体地说，我考虑了以下 g 规范（但 NLS 和 GMM 不运行）：

请帮忙。我已经设法使用以下方法将相当不错的非线性回归曲线拟合到我的数据中：

然后我使用以下方法生成我的情节：

我想为上下 95% 置信区间画一些虚线。我已经设法为我的线性回归分析编写代码，但我正在努力应对当前的非线性回归。以下代码：

对于线性回归，这给了我一个数据框，其中包含适合、lwr 和 upr 的三列。使用我的非线性回归，它只会给我一个我无法做任何事情的数字列表。有什么建议么？有没有一种简单的方法来获得非线性回归的上限和置信线？

我想为 R 中的以下数据拟合等温线模型。最简单的等温线模型是 Langmuir 模型，此处给出的模型在页面底部给出。下面给出了我的 MWE，它会引发错误。我想知道 Isotherm 模型是否有任何 R 包。

已编辑

一些非线性模型可以转换为线性模型。我的理解是，非线性模型的估计与其线性模型形式之间可能存在一对一的关系，但它们对应的标准误差彼此不相关。这个说法是真的吗？通过转换为线性来拟合非线性模型是否有任何陷阱？

我对 MatLab 很陌生。我的任务是在 MatLab 中使用神经网络对非线性回归进行建模。

我需要创建一个两层神经网络，其中：

1. 第一层是 N 个具有 sigmoid 激活函数的神经元。

2. 第二层是具有一个神经元和一个线性激活函数的层。

这是我实现网络的方式：

这个实现正确吗？我应该如何将线性激活函数分配给第二层？

我以前看过其中一些非常简单的功能，但是我试图适应的功能基本上是 3 个功能的混合

一个高斯（在 x=0 处占主导地位）一个指数（接管后高斯）和一个四舍五入值的常数

从我读过的这个错误的其他例子来看，这个问题似乎是由最初的猜测不佳引起的，但我不知道如何纠正这个问题，或者考虑到我的函数大小，这甚至是实际问题。

这是我的代码和我正在查看的数据的一个示例。：

感谢您的帮助，现在我又遇到了同样的问题，我在下面使用了您的技术（R noob）之前使用的是mathematica中的操纵图，我认为我对数据的拟合度相对较好，这是一个图表我也在尝试拟合的数据（抱歉无法上传，没有足够的声誉）

http://imgur.com/GtzIzSr

但是我遇到了同样的问题，这与我的适合度还是低距离的大量可变性有关？

在 Accord 中使用 C# 进行非线性向量回归应该使用什么？谢谢（traininginputs double[][] 和 trainingoutput double[] NOT int[]）

我正在尝试将多个非线性模型拟合到数据集，并且我需要将模型参数值绑定为全部为正。

我尝试了 lsqcurvefit 函数，它可以工作。但是，我还需要 AICc 分数来进行模型比较（显然，调整后的 R 平方分数并不好。）似乎 lsqcurvefit 不计算这样的分数（？）。

所以我尝试了返回 AICc 的 fitnlm。但是，这一次，我无法绑定参数值（结果，我得到了一些不合理的负参数值）。

有谁知道任何同时允许用户计算 AICc 分数并同时绑定参数值的 MATLAB 函数？替代解决方案，例如如何从 lsqcurvefit 输出计算 AICc，也将非常受欢迎。

我正在研究获取具有 3 个维度的数据的参数估计值。我已经使用manipulatemathematica中的函数绘制了它。但是，当我使用我认为合适的mathematica 常量时，我​​最终会遇到单个梯度错误。那么，是否有一种图形方法可以在 R 中使用来根据我的数据的 3d 图绘制我的估计值，或者是否有人对如何纠正错误有任何建议？

我使用 GA 包中的遗传算法函数在非线性模型中进行参数估计。我使用了一个模拟数据，其中所有变量都存在多重共线性问题。当我使用 GA 函数时，我发现我用 GA 函数估计的参数有偏差。你能解释一下为什么会这样吗？使用具有多重共线性数据的 GA 函数估计参数的解决方案是什么？谢谢。

我正在分析定期收集的长期气象数据（大多数数据每 15 到 60 分钟一次）。温度和太阳辐射影响的其他措施每天都有周期。如果辐射没有被云层阻挡，我试图描述一年中任何一天的平均太阳辐射暴露量。我可以访问多年的数据，并且可以根据一年中的日期对我放入 R 中的任何数据进行平均。为了描述无云日的平均辐射，在我做平均值之前需要丢弃一些数据。

显然我没有发布该图形的声誉，但无云日的辐射模式图具有抛物线形状。阴天可以通过具有多个峰值的曲线来识别。二次回归的 R^2 值可用于区分这两种类型的天数。

（编辑——所有的辐射数据和日期/时间都报告在一个文本文件的两列中。我已按日期分隔下面的数据，以便任何读者轻松查看我试图分析的模式，因为我不知道共享数据和显示模式的更复杂的方法。）

如果我能找到一种方法在更大的数据集中每天重复这个过程，那么 R^2 的差异可以用来区分阴天和晴天。

有没有办法从单个数据框中进行多次二次回归，其中日期和时间或所有日期的辐射读数都在单个列中报告。

理想情况下，我想最终得到一个有两列的表格。一列将包含一年中的某一天，第二列将包含来自二次回归分析的 R^2 值。我认为 Multiple R^2 或 Adjusted R^2 都可以工作（但我不太了解 R^2 的两个版本之间的区别，我无法被说服使用其中一个来代替另一个。）

我不知道如何只报告二次回归分析中的 R^2 值，或者如何重复二次回归与我分析的数据天数一样多。我可能正在查看 10 年的数据，因此能够在单个表中分析和报告分析结果将是一种对我可以使用哪些日期的数据进行排序的绝妙方法。