R語(yǔ)言關(guān)于非線性最小二乘的知識(shí)點(diǎn)實(shí)例
當(dāng)模擬真實(shí)世界數(shù)據(jù)用于回歸分析時(shí)，我們觀察到，很少情況下，模型的方程是給出線性圖的線性方程。大多數(shù)時(shí)候，真實(shí)世界數(shù)據(jù)模型的方程涉及更高程度的數(shù)學(xué)函數(shù)，如3的指數(shù)或sin函數(shù)。在這種情況下，模型的圖給出了曲線而不是線。線性和非線性回歸的目的是調(diào)整模型參數(shù)的值，以找到最接近您的數(shù)據(jù)的線或曲線。在找到這些值時(shí)，我們將能夠以良好的精確度估計(jì)響應(yīng)變量。
在最小二乘回歸中，我們建立了一個(gè)回歸模型，其中來自回歸曲線的不同點(diǎn)的垂直距離的平方和被最小化。我們通常從定義的模型開始，并假設(shè)系數(shù)的一些值。然后我們應(yīng)用R語(yǔ)言的nls()函數(shù)獲得更準(zhǔn)確的值以及置信區(qū)間。
語(yǔ)法
在R語(yǔ)言中創(chuàng)建非線性最小二乘測(cè)試的基本語(yǔ)法是
nls(formula, data, start)
以下是所使用的參數(shù)的描述
- formula是包括變量和參數(shù)的非線性模型公式。
- data是用于計(jì)算公式中變量的數(shù)據(jù)框。
- start是起始估計(jì)的命名列表或命名數(shù)字向量。
例
我們將考慮一個(gè)假設(shè)其系數(shù)的初始值的非線性模型。 接下來，我們將看到這些假設(shè)值的置信區(qū)間是什么，以便我們可以判斷這些值在模型中有多好。
所以讓我們考慮下面的方程為這個(gè)目的
a = b1*x^2+b2
讓我們假設(shè)初始系數(shù)為1和3，并將這些值擬合到nls()函數(shù)中。
xvalues <- c(1.6,2.1,2,2.23,3.71,3.25,3.4,3.86,1.19,2.21) yvalues <- c(5.19,7.43,6.94,8.11,18.75,14.88,16.06,19.12,3.21,7.58) # Give the chart file a name. png(file = "nls.png") # Plot these values. plot(xvalues,yvalues) # Take the assumed values and fit into the model. model <- nls(yvalues ~ b1*xvalues^2+b2,start = list(b1 = 1,b2 = 3)) # Plot the chart with new data by fitting it to a prediction from 100 data points. new.data <- data.frame(xvalues = seq(min(xvalues),max(xvalues),len = 100)) lines(new.data$xvalues,predict(model,newdata = new.data)) # Save the file. dev.off() # Get the sum of the squared residuals. print(sum(resid(model)^2)) # Get the confidence intervals on the chosen values of the coefficients. print(confint(model))
當(dāng)我們執(zhí)行上面的代碼，它產(chǎn)生以下結(jié)果
[1] 1.081935
Waiting for profiling to be done...
2.5% 97.5%
b1 1.137708 1.253135
b2 1.497364 2.496484
我們可以得出結(jié)論，b1的值更接近1，而b2的值更接近2而不是3。
以上就是R語(yǔ)言關(guān)于非線性最小二乘的知識(shí)點(diǎn)實(shí)例的詳細(xì)內(nèi)容，更多關(guān)于R語(yǔ)言非線性最小二乘的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
這篇文章主要介紹了R語(yǔ)言plot函數(shù)參數(shù)合集,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2021-03-03
這篇文章主要給大家介紹了關(guān)于R語(yǔ)言最簡(jiǎn)單的向量賦值方法的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
R語(yǔ)言中其它對(duì)象知識(shí)點(diǎn)總結(jié)
在本篇文章里小編給大家分享的是一篇關(guān)于R語(yǔ)言中其它對(duì)象知識(shí)點(diǎn)總結(jié)內(nèi)容，有需要的朋友們可以學(xué)習(xí)下。2021-03-03
R語(yǔ)言常用函數(shù)總結(jié)梳理(基本對(duì)象字符處理?數(shù)學(xué)?統(tǒng)計(jì))
這篇文章主要介紹了R語(yǔ)言常用函數(shù)總結(jié)梳理(基本對(duì)象字符處理?數(shù)學(xué)?統(tǒng)計(jì)),有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-10-10
R語(yǔ)言入門在CentOS服務(wù)器上配置RStudio Server
最近在服務(wù)器（Linux）上進(jìn)行RStudio Server的環(huán)境配置，其實(shí)主要的工作在RStudio的官方網(wǎng)站中已經(jīng)說明清楚了，關(guān)鍵是需要先安裝R，以及進(jìn)行部分配置2021-11-11
解決R語(yǔ)言安裝時(shí)出現(xiàn)輯程包不存在的問題
這篇文章主要介紹了解決R語(yǔ)言安裝時(shí)出現(xiàn)輯程包不存在的問題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2021-04-04
這篇文章主要介紹了R語(yǔ)言histogram(直方圖)的具體使用，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
這篇文章主要為大家介紹了Rcpp入門如何讓R代碼更快的提速方法過程，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步2021-11-11
對(duì)于大數(shù)據(jù),linux和python是很好的處理工具,但是對(duì)于這兩個(gè)語(yǔ)言不熟悉的盆友來說,R語(yǔ)言是非常好的替代工具,下面這篇文章主要給大家介紹了關(guān)于R語(yǔ)言列篩選的法select的相關(guān)資料,需要的朋友可以參考下2022-07-07
這篇文章主要為大家介紹了R語(yǔ)言繪圖技巧如何導(dǎo)出高清圖，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-02-02