问题标签 [non-linear-regression]

我估计了出口、gdp 和人力资本的依赖性。如果选择线性方法，我得到了这个：

HC 系数的符号是​​负数，这与理论相悖。我尝试了对数、指数形式，但我仍然得到 HC 的负数结果。我想知道什么是正确估计它的方法。先感谢您。

这是我的数据

我是使用 R 的新手，我的怀疑是非常基本的。我有几个因变量 (x) 和一个自变量 (y)，我想生成具有 10 倍交叉验证的不同回归模型，以便选择更好的模型。我所有的值都是数字的。

他们推荐我使用 Caret 包，我做了一些测试。我在使用线性回归（lm 或 glm）时没有遇到任何问题，但是当我使用其他回归（如 logreg）时出现错误。

我介绍的是：

我收到这个错误：

不知道是不是必须要引入其他参数，还是之前要做一些步骤。

我希望有人向我解释如何解决这个问题以及如何获得非线性回归。

我有一些没有截距的多个线性模型，如下所示：

然而，这个模型是一个线性模型，但由于它没有截距，我们必须将它写成 R 中的非线性模型：

问题是summary(model1)没有像 F 统计那样给我们模型的统计数据，因为它不是lm。我们如何报告这些模型在 R 中的重要性？

我有两个 NumPy 数组时间并且没有获取请求。我需要使用一个函数来拟合这些数据，以便我可以做出未来的预测。这些数据是从存储日志文件详细信息的 cassandra 表中提取的。所以基本上时间格式是纪元时间，这里的训练变量是get_counts。

数据如下：大约有1000对数据

绘制图像（此处为全尺寸）：

有人可以帮我提供一个功能，以便我可以正确地适应数据吗？我是 python 新手。

编辑 *

拟合曲线如下所示：
https ://drive.google.com/file/d/0B-r3Ym7u_hsKUTF1OFVqRWpEN2M/view?usp=sharing

然而，在曲线的后半部分，y 的值变为 (-ve)，这是错误的。曲线必须将其斜率更改回介于两者之间的 (+ve)。谁能建议我如何去做。帮助将不胜感激。

我有一些个人数据集。所以我把它分成变量来预测和预测。以下是语法：

我收到以下错误

有什么我想念的吗？

我对贝叶斯统计比较陌生，并且正在尝试使用 R2winBUGS 对一些树木放养密度数据应用非线性分层模型。我希望有人可以帮助我找到 R2winBUGS 给我以下错误的原因：

gen.inits 无法执行（灰显）

即使我收到此错误，代码仍会产生输出。对于收敛的参数，模型产生的输出看起来很合理，但是当我使用两条链时，有两个参数（下面代码中的 mean_N0 sigma_N0）不能很好地混合（不收敛）。链似乎从初始值开始（即 mean_N0 从 4800.5 和 4799.5 开始，而 sigma_N0 从 800.5 和 799.5 开始），但与这些值相差不远。两个参数的平均值与初始设定值相差约 0.5。我不确定上述错误是否导致了这个收敛问题。
我已经用尽了对这个问题的调查，现在希望有人能够在下面的 winBUGS 或 R 代码中看到导致我的问题的原因。如果您能提供帮助，我将不胜感激。亲切的问候多姆

WINBUGS 代码

代码

我也尝试过使用以下格式进行初始化：

请注意，第一个和第二个初始化是相同的，下面我将向您展示第二个列表的外观。再次感谢您抽出时间提供帮助。

我使用 R 编程语言的库方法loess进行非参数数据拟合。数据集是二维的。我还没有找到任何适当的方法参数文档weights。

我的数据点是正态分布的随机变量，我也估计了它们各自的标准差。我想知道该参数是否weights允许我向 R 提供标准偏差的详细信息。换句话说：我想知道中的各个权重是否weights是（相对）数据质量的度量，因此如果通过参数 提供某些数据不确定性度量，则可以改进拟合weights。

编辑：我怀疑在weightsLOESS 过程中的条目被用作局部数据集的加权最小二乘回归中的权重（可能作为（位置相关的）核函数的附加权重预因子？）。这表明对于独立的正态分布随机变量的数据点，但仍然具有不同的噪声水平（即不同的标准偏差）（如我的情况），权重应选择为1/\sigma_{i}^2，其中\sigma_{i}的标准偏差为各自的随机变量/数据点。如果有人肯定知道，那将是很高兴知道。

我一直在尝试将 R 中的非线性混合模型拟合到我的数据中，但我很难理解人们正在使用的帮助文件和示例。我是一名硕士生，试图在 22 天内将行为变化建模为 4 只羊的福利措施。第 -4 天到第 -1 天用作基线，第 0 天没有像在手术中那样进行测量，第 1 天到第 17 天是我感兴趣的。绘制不同的数据集让我在手术后的第 1 天到第 3 天有很好的下降他们或多或少地回到了基线。我首先被告知要对我的解释变量（Day）进行平方，但是当使用 lmer() 时，它根本不会真正改变我的结果。所以我想尝试 nlmer 看看是否效果更好。

我的数据集看起来像这样，下降到 500 行左右。“绵羊”被解读为一个因素：

. Behaviour Sheep Day DaySq Block Observed Frequency 1 Standing 2 -4 16 0 49 71.01449 2 Lying 2 -4 16 0 12 17.39130 3 Eating 2 -4 16 0 36 52.17391 4 Ruminating 2 -4 16 0 16 23.18841 5 Moving in pen 2 -4 16 0 0 0.00000 6 XDisturbance 2 -4 16 0 9 13.04348

我的 lmer 模型看起来像这样

我想做一些类似但非线性的事情。那可能吗？我尝试了几个版本，但我不知道如何正确执行此操作并不断收到错误消息。R 帮助文件中的示例似乎假设了很多我没有的知识。任何帮助，将不胜感激！

我正在研究我的 DV 是序数数据的火星分析。我知道，我们可以轻松地在 SPM 中上传 MARS 注册商标和许可的数据集。但我在 R 中运行分析，我需要准备训练和测试数据集。这就是我卡住的地方。我不确定如何使用 MARS 中的测试数据集验证我的训练模型，因为我们可以使用其他线性和逻辑回归模型。我们如何验证 MARS 模型以及我们使用的措施是什么？答案将非常感激，非常有帮助。

提前致谢！

拉斯

我有一系列名为 TrueDist 和 TrueVal 的高精度测量。我还有一个更大的数据集，在标记为 Relativedist 的距离测量中具有大量不确定性，它与值测量 Relativeval 配对。

我正在寻找与 Relativedist 参数相匹配的偏移量，以便我可以直接将高精度测量值与更高体积测量值进行比较。

数据

我想这样做的方式是设置一个函数

然后使用最小二乘优化器

初步猜测

优化器

但这似乎不起作用，我认为是由于样本不平衡。我该如何解决这个问题？