问题标签 [non-linear-regression]

我用 scikit learn 进行多项式回归并尝试解释系数。但不知何故 scikit 不会格式化输出。所以它看起来像这样：

如何将系数映射到创建的特征？我到目前为止的代码：

谢谢！

我正在尝试建立一个非线性模型，如R 中 gmn 手册中所述。模型的期望形式是

对我来说，这似乎是最简单的非线性模型形式，但出于某种原因（如果我错了，请纠正我！）我必须编写一个自定义非线性函数以将其拟合到 R 中。非常好！

现在当我尝试

我从模型中得到了 beta 和 gamma 的拟合值。但是当我尝试

我得到错误

那么，问题1：我该如何解决这个问题？

此外，当 - 尝试匹配所有 xs - 我尝试

我明白了

这是指定所有 xs 的总和的正确方法吗？

我是 R 新手，一直在尝试将非线性模型拟合到某些数据，但没有成功。最后，我在 Excel 中添加了一条多项式趋势线并尝试绘制我得到的函数 - 由于某种原因，该函数不适合我在 R 中的数据。我尝试了简单的 geom_smooth，但实现了“庞大”的线，我想要一个平滑一个。我在一个图中有 6 个样本，这是其中一个的数据，包括 Excel 获得的函数和我尝试绘制它的尝试。我确信有更好的方法 - 我还需要在输出中获取拟合函数。

我正在尝试将幼鹅的生长数据拟合到 Gompertz 模型，但我想将它固定在 y 截距处，在这种情况下，它对应于 72.1 的体重t = 0。采用 inSSgompertz中使用的参数化形式nls，我将方程 $Asym * (e^{-b3 * b2^x}$ 转换为 $\frac{X_0}{exp(-b3)} * (e^{-b3 * b2 ^x}$ 通过设置 x = 0，等于 y 截距并求解Asym，因此我在模型中将其替换为另一边的项：$\frac{X_0}{exp(-b3)}$

问题是，对于这个改变的模型，我不能再使用从 SSgompertz 获得的起始值：

qr.default(.swts * attr(rhs, "gradient")) 中的错误：外部函数调用中的 NA/NaN/Inf (arg 1)
此外：警告消息：在 log(b3) 中：NaN 产生
5：qr。 default(.swts * > attr(rhs, "gradient")) 4: qr(.swts * attr(rhs, "gradient"))
3: assign("QR", qr(.swts * attr(rhs, "gradient) ")), envir = thisEnv)
2: (function (newPars) {setPars(newPars) assign("resid", .swts * (lhs - assign("rhs", getRHS(), envir = thisEnv))), envir = thisEnv) assign("dev", sum(resid^2), envir = thisEnv) assign("QR", qr(.swts * attr(rhs, "gradient")), envir = thisEnv) return(QR$rank < min(dim(QR$qr)))})(c(7.52734494474091, -0.123046281607752))
1: nls(bm ~ gobm(age, I, K), data = bmgrpd,开始 = 列表（I = coef（fm13a）[2]，K = coef（fm13a）[3]），na.action = na.exclude）

是否有一种方法可以从 SSgompertz 的参数估计中获得具有固定 y 截距的 Gompertz 模型的合适初始值？ ?SSgompertz说拐点b2与 x = 0 处的函数值有关。在 Ricklefs bookchapter 'Avian postnatal development' (1983) 中，他展示了 Gompertz 模型的不同参数化：$M(x) = M(∞) * e^{-[log M(∞) - log M(0)] * e^(-K * x)}$ 所以渐近线 M(∞) orAsym和 y 截距 M(0) or的差值X0表示拐点 b2：$b2 = log(Asym) - log(X0) <--> X0 = Asym - e^{b2}$ 我用 fm1 的系数检查了这个关系：

coef(fm1) Asym b2 b3 1079.4598299 8.6815201 0.8710308 但coef(fm1)[1] - exp(coef(fm1)[2])导致-4813.538其在 0 附近的真实 y 截距一点也不接近：SSgompertz(0, Asym = coef(fm1) 1 , b2 = coef(fm1)[2], b3 = coef(fm1)[3])

0.1831767

这是与 SSgompertz 的参数的拟合图： Gompertz 模型与体重测量值的拟合

因此，如果有人可以帮助我找到具有固定 y 截距的 Gompertz 模型的初始值，我将不胜感激！

以下是数据：

我的因变量是一个由 2 列组成的矩阵(y1,y2)。我有 3 个自变量说x1, x2和x3。我想对此执行多元非线性回归R。知道怎么做吗？例如，多元线性回归将是简单的

但是如何为非线性最小二乘回归做可能是支持向量回归。

我的非线性混合效应模型将体重 ( bm) 回归到age. 我想考虑它brood嵌套在 中year，但由于一个育雏只能发生在数据集中的七年之一中，因此应该跨越year和的随机效应。brood

在 Pinheiro & Bates (2000): 'Mixed-Effects Models in S and S-plus' ( http://link.springer.com/book/10.1007%2Fb98882 ) 中，有一个交叉随机效应的例子：A full factorial细胞培养生物测定模型用于表示固定效应，三个随机效应用于解释块效应、行效应和列效应，最后两个随机效应嵌套在块内，但相互交叉。这在以下实施（第 163 - 165 页）：

他们的示例是线性混合模型，但语法也适用于非线性混合模型。因此，我为我的模型尝试了以下方法（但是我不知道为什么嵌套效应必须-1在协变量之后）：

但是这种语法似乎是错误的，因为它使 R 冻结（甚至没有错误消息，R 只是不再响应，所以我需要强制退出 R）。我会很高兴关于如何在nlme.

这是我的数据结构，低于之前的 R 代码：

我正在尝试结合对数模型的因变量的拟合值。我的数据集是一个不平衡的面板。我尝试按照此处所示的方式进行操作。但我的问题不同，因为我已经将我的大数据集转换为 plm 对象，它是一个日志因变量。

我的简单数据集可以通过以下代码访问。

我的数据集如下所示，缺少预测变量数据。

我可以使用以下代码获得拟合值

但是 pdat 的观察是 24 个观察 FV_Log 是 19 个观察，所以我无法将它合并到 pdat。我的 pdat 很大，有数千个观察结果，我使用代码创建了许多变量。因此，任何有助于将拟合值正确地（不更改顺序）合并到原始 pdat 中的帮助将不胜感激。

使用数据集，我试图确定作为和的函数的mtcars折线回归拟合，断点仅来自。这是代码：mpghpwthp

fted$fit值没有意义（将它们与 mpg 值进行比较）。我想在函数的使用中我缺少一些简单的东西。

编辑：

进一步澄清：我希望仅使用分段关系，mpg并且hp仍然wt以线性方式包括在内。怎么可能做到这一点？

我尝试hp_thresh在输入中使用 forsegmented()以便仅用于破坏关系，hp但我收到此错误：“seg.Z或中的术语数量错误psi”。

我正在尝试在 TensorFlow 中构建一个简单的非线性模型。我创建了这个示例数据：

我想这个形状应该很容易用几个 ReLU 重建，但我不知道怎么做。

到目前为止，我的方法是用 ReLU 包装线性组件，但这不会运行：

关于如何在 TensorFlow 中使用 ReLU 来表达这个模型的任何想法？

一个基本的机器学习练习是对一些数据执行回归。例如，将鱼的长度估计为体重和年龄的函数。

这通常通过拥有大量训练数据集（体重、年龄、长度）然后应用一些回归分析来完成。然后可以根据新鱼的重量和年龄来估计它的长度。

但是，假设我想解决这个问题：“我有一条已知重量 W、年龄 A 和长度 L 的鱼。假设我希望长度为 M 而不是 L，我应该如何调整 W 和 A”。

这似乎是一个常见的问题，但我不知道它叫什么。有人可以帮助我朝着正确的方向前进。如果它是线性的，你如何处理这个问题，如果它是非线性的，你会如何处理？