nls 的循环函数

Question

我正在努力处理循环 nls 函数。所以这是单个样本的示例数据集

dat<-read.table(text="time y
1 4.62
2 13.55
3 30.82
6 93.97
12 145.93
24 179.93", header = TRUE)
plot(data);lines(data)
model <- nls(y ~ Max * (1-exp(-k * (time - Lag))),data=dat,start=list(Max = 200, k = 0.1, Lag = 0.5))

但是如果我想将 model 应用于多列样本怎么办？例如

dat<-read.table(text="time gluc starch solka
+ 1 6.32 7.51 1.95
+ 2 20.11 25.49 6.43
+ 3 36.03 47.53 10.39
+ 6 107.52 166.31 27.01
+ 12 259.28 305.19 113.72
+ 24 283.40 342.56 251.14
+ 48 297.55 353.66 314.22", header = TRUE)

如何让 R 求解每个样本（gluc、starch、solka）的 Max、k 和 Lag？

Answer 1

构建要用作字符串的公式：

outcomes = c("gluc", "starch", "solka")
my_formulas = paste(outcomes, "~ Max * (1-exp(-k * (time - Lag)))")
model_list = list()

for(i in seq_along(outcomes)) {
  model_list[[outcomes[i]]] = nls(
    as.formula(my_formulas[i], 
    data = dat,
    start = list(Max = 200, k = 0.1, Lag = 0.5)
  )
}

这将创建一个模型列表，您可以使用 summary(model_list[[1]]) 或 summary(model_list[["solka"]])

进行访问

Answer 2

在下面的所有备选方案中，我们使用这些值：

long <- tidyr::pivot_longer(dat, -1, values_to = "y")
long$name <- factor(long$name)
st0 <- list(Max = 200, k = 0.1, Lag = 0.5)

1) nls grouped data 将dat转换为long form，然后使用nls的分组数据特性这个解决方案是这里提供的最适合测试的解决方案某些参数在三个名称中是否通用，因为如果参数在名称中通用，很容易简单地删除参数上的下标。配件本身不使用任何包，但我们展示了用于绘图的 ggplot2 和 lattice 包图形。

# get better starting values
model0 <- nls(y ~ Max * (1-exp(-k * (time - Lag))), long, start = st0)  
st <- with(as.list(coef(model0)), 
  list(Max = rep(Max, 3), k = rep(k, 3), Lag = rep(Lag, 3)))

model <- nls(y ~ Max[name] * (1-exp(-k[name] * (time - Lag[name]))), 
  long, start = st)
model

给予：

Nonlinear regression model
  model: y ~ Max[name] * (1 - exp(-k[name] * (time - Lag[name])))
   data: long
     Max1      Max2      Max3        k1        k2        k3      Lag1      Lag2 
306.48737 389.84657 361.82290   0.12214   0.03857   0.13747   1.38072   2.02205 
     Lag3 
  1.31770 
 residual sum-of-squares: 7167

Number of iterations to convergence: 8 
Achieved convergence tolerance: 9.186e-06

ggplot2 图形可以这样完成。

library(ggplot2)
fitdf <- transform(long, fit = fitted(model))
ggplot(fitdf, aes(x = time, y = y, color = name)) +
    geom_point() +
    geom_line(aes(y = fit))

可以使用 R 附带的点阵图形生成外观略有不同的图，因此不必安装包。代码特别紧凑

library(lattice)
xyplot(fit + y ~ time | name, fitdf, type = c("l", "p"), auto.key = TRUE)

2) nlsList 如果您不需要研究名称中参数的通用设置，那么另一种可能性是在 nlme 包中使用 nlsList（这R 自带，所以你不必安装它）。 long和st0来自上面。

library(nlme)
fit <- nlsList(y ~ Max * (1-exp(-k * (time - Lag))) | name, long, start = st0)

给出一个 nlsList 对象，其 3 个组件是运行 nls 为每个 name.

获得的三个 nls 对象

> fit
Call:
  Model: y ~ Max * (1 - exp(-k * (time - Lag))) | name 
   Data: long 

Coefficients:
            Max          k      Lag
gluc   306.4875 0.12214330 1.380713
solka  389.8449 0.03856544 2.022057
starch 361.8231 0.13747402 1.317698

Degrees of freedom: 21 total; 12 residual
Residual standard error: 24.43858

我们可以绘制数据并拟合：

levs <- levels(long$name)
col <- setNames(rainbow(length(levs)), levs) 
plot(y ~ time, long, col = col[name], pch = 20, cex = 1.5)
for(lv in levs) lines(fitted(fit[[lv]]) ~ time, dat, col = col[lv])
legend("bottomright", leg = levs, col = col, pch = 20, cex = 1.5)

3) subset 类似于 (2) 的方法是使用 subset= 到 select 执行三个 nls 运行数据。此 returns 一个 nls 对象的命名列表。 st0 和 long 来自上面。没有使用包。

fit <- Map(function(nm) nls(y ~ Max * (1-exp(-k * (time - Lag))), data = long, 
    start = st0, subset = name == nm), levels(long$name))

(2) 中的图形代码在这里也适用。

nls 的循环函数

loop function with nls

loops

r

curve-fitting

nls