我尝试搜索与此主题相关的其他主题,但所有修复均不适用于我。我有一个自然实验的结果,我想证明一个事件连续发生的次数符合指数分布。我的R shell粘贴在下面

f <- function(x,a,b) {a * exp(b * x)}
> x
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
[26] 26 27
> y
 [1] 1880  813  376  161  100   61   31    9    8    2    7    4    3    2    0
[16]    1    0    0    0    0    0    1    0    0    0    0    1
> dat2
    x    y
1   1 1880
2   2  813
3   3  376
4   4  161
5   5  100
6   6   61
7   7   31
8   8    9
9   9    8
10 10    2
11 11    7
12 12    4
13 13    3
14 14    2
> fm <- nls(y ~ f(x,a,b), data = dat2, start = c(a=1, b=1))
Error in numericDeriv(form[[3L]], names(ind), env) :
  Missing value or an infinity produced when evaluating the model
> fm <- nls(y ~ f(x,a,b), data = dat2, start = c(a=7, b=-.5))
Error in nls(y ~ f(x, a, b), data = dat2, start = c(a = 7, b = -0.5)) :
  singular gradient
> fm <- nls(y ~ f(x,a,b), data = dat2, start = c(a=7,b=-.5),control=nls.control(maxiter=1000,warnOnly=TRUE,minFactor=1e-5,tol=1e-10),trace=TRUE)
4355798 :   7.0 -0.5
Warning message:
In nls(y ~ f(x, a, b), data = dat2, start = c(a = 7, b = -0.5),  :
  singular gradient

请原谅格式错误,请先在此处发布。 x包含直方图的bin,y包含该直方图中每个bin的出现次数。 dat2减少到14,因为0个计数箱会抛出指数回归,我真的只需要适合第一个14。那些计数超过14的箱我有生物学上的理由认为它们很特殊。
我最初遇到的问题是无穷大,因为没有一个值是0,所以我没有得到。在给出不同的起始值(如本文其他文章所建议的那样)后,我得到了奇异的梯度误差。我看到的仅有的其他帖子中有更多变量,我尝试增加迭代次数,但没有成功。任何帮助表示赞赏。
一种

最佳答案

1)线性化以获得起始值您需要更好的起始值:

# starting values
fm0 <- nls(log(y) ~ log(f(x, a, b)), dat2, start = c(a = 1, b = 1))

nls(y ~ f(x, a, b), dat2, start = coef(fm0))

给予:
Nonlinear regression model
  model: y ~ f(x, a, b)
   data: x
        a         b
4214.4228   -0.8106
 residual sum-of-squares: 2388

Number of iterations to convergence: 6
Achieved convergence tolerance: 3.363e-06

1a)同样,我们可以使用lm通过编写来获取初始值
y ~ a * exp(b * x)

作为
y ~ exp(log(a) + b * x)

并取两者的日志以在log(a)和b中获得线性模型:
log(y) ~ log(a) + b * x

可以使用lm解决:
fm_lm <- lm(log(y) ~ x, dat2)
st <- list(a = exp(coef(fm_lm)[1]), b = coef(fm_lm)[2])
nls(y ~ f(x, a, b), dat2, start = st)

给予:
Nonlinear regression model
  model: y ~ f(x, a, b)
   data: dat2
       a        b
4214.423   -0.811
 residual sum-of-squares: 2388

Number of iterations to convergence: 6
Achieved convergence tolerance: 3.36e-06

1b)我们也可以通过重新参数化使其工作。在这种情况下,只要我们按照参数转换对初始值进行转换,a = 1和b = 1就可以工作。
nls(y ~ exp(loga + b * x), dat2, start = list(loga = log(1), b = 1))

给予:
Nonlinear regression model
  model: y ~ exp(loga + b * x)
   data: dat2
  loga      b
 8.346 -0.811
 residual sum-of-squares: 2388

Number of iterations to convergence: 20
Achieved convergence tolerance: 3.82e-07

所以b如图所示,a = exp(loga)= exp(8.346)= 4213.3

2)plinear 另一个更容易的可能性是使用alg="plinear",在这种情况下,线性输入的参数不需要起始值。在这种情况下,问题中b=1的起始值似乎足够。
nls(y ~ exp(b * x), dat2, start = c(b = 1), alg = "plinear")

给予:
Nonlinear regression model
  model: y ~ exp(b * x)
   data: dat2
        b      .lin
  -0.8106 4214.4234
 residual sum-of-squares: 2388

Number of iterations to convergence: 11
Achieved convergence tolerance: 2.153e-06

关于R nls奇异梯度,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/18364402/

10-12 23:33