使用基本 R 包将非线性方程拟合到数据

Question

假设我有以下数据

Data = structure(list(col1 = c(31, 66, 88, 123, 249, 362, 488, 610, 
730, 842), col2 = c(2101.58953918969, 2103.57391509821, 2100.3292541732, 
2101.64107993765, 2100.51743895393, 2100.16708521627, 2102.1992412748, 
2101.06516854423, 2101.87929065226, 2101.25318636023)), row.names = c(NA, 
-10L), class = "data.frame")

现在我想拟合如下所示的非线性方程 -

library(stats)
nls(col2 ~ x1 + x2 / (1 + exp(-x3 * (col1 - x4))), data = Data, start = list(x1 = 0, x2 = 0, x3 = 0, x4 = 0), algorithm = "plinear")

然而，我遇到了以下错误 -

Error in qr.qty(QR.rhs, .swts * ddot(attr(rhs, "gradient"), lin)) : 
  NA/NaN/Inf in foreign function call (arg 5)

能否请您帮助我了解我的方法出了什么问题？

我只想使用基础包来满足这个等式，因为我无法在我的系统中从互联网下载任何贡献的包。

任何指点将不胜感激。

Answer 1

如果我使用 SSfpl 与您当前的数据，我可以得到答案。

n1 <- nls(col2 ~ SSfpl(col1, A, B, m, s), data=Data)

pframe <- data.frame(col1=seq(0,900,length=101))
pframe$col2 <- predict(n1, newdata=pframe)

library(ggplot2); theme_set(theme_bw())
ggplot(Data, aes(col1,col2)) + geom_point() + geom_smooth() +
  geom_line(data=pframe, colour="red")

参数化和你的不太一样：

         A          B          m          s 
2001.56354 2002.06645  642.30178   20.76013

基于x1 + x2 / (1 + exp(-x3 * (col1 - x4)))、

我相信x4 = m（中点），x3 = s（尺度），x1 = A（左渐近线), x2 = B-A (B 是右渐近线).

Answer 2

有几个问题：

当使用 plinear 时，右侧应该是一个矩阵，该矩阵的第 i 列乘以线性输入的第 i 个参数，并且这些线性参数不应有起始值。线性参数将报告为 .lin1 和 .lin2
需要更好的非线性参数起始值。

nls(col2 ~ cbind(1, 1 / (1 + exp(-x3 * (col1 - x4)))), data = Data, 
  start = list(x3 = sd(Data$col1), x4 = mean(Data$col1)), algorithm = "plinear")

给予：

Nonlinear regression model
  model: col2 ~ cbind(1, 1/(1 + exp(-x3 * (col1 - x4))))
   data: Data
       x3        x4     .lin1     .lin2 
 295.3813  358.9000 2101.5302   -0.2175 
 residual sum-of-squares: 9.145

Number of iterations to convergence: 0 
Achieved convergence tolerance: 0

使用基本 R 包将非线性方程拟合到数据

Fitting non-linear equation to data using base R package

r

nonlinear-functions