首页 文章

如何对我的数据执行非线性回归

提问于
浏览 次
-4

我为每个温度数据设置了温度和不适指数值 . 当我在温度（x轴）和计算的不适指数值（y轴）之间绘制图形时，得到反转的U形曲线 . 我想从中做非线性回归并将其转换为PMML模型 . 如果我给出一定的温度，我的目的是获得预测的不适值 .

请找到以下数据集：

Temp <- c(0,5,10,6 ,9,13,15,16,20,21,24,26,29,30,32,34,36,38,40,43,44,45, 50,60)

Disc<-c(0.00,0.10,0.25,0.15,0.24,0.26,0.30,0.31,0.40,0.41,0.49,0.50,0.56, 0.80,0.90,1.00,1.00,1.00,0.80,0.50,0.40,0.20,0.15,0.00)

如何对此数据集进行非线性回归（可能使用 nls ??）？

enter image description here

r regression non-linear-regression pmml

2 回答

  • 0

    我确实看过这个，然后我认为它并不像我们大多数人首先想到的那样简单地使用 nls .

    nls 适合参数模型，但是根据您的数据（散点图），很难提出合理的模型假设 . 我建议使用非参数平滑 .

    有许多散点图平滑方法，如内核平滑 ksmooth ，平滑样条 smooth.spline 和LOESS loess . 我更喜欢使用 smooth.spline ，以下是我们可以用它做的事情：

    fit <- smooth.spline(Temp, Disc)

    请阅读 ?smooth.spline 了解它需要什么以及它返回什么 . 我们可以通过检查拟合的样条曲线

    plot(Temp, Disc)
lines(fit, col = 2)

    enter image description here

    如果您想在其他地方进行预测，请使用 predict 函数（ predict.smooth.spline ） . 例如，如果我们想要预测 Temp = 20 和 Temp = 44 ，我们可以使用

    predict(fit, c(20,44))$y
# [1] 0.3940963 0.3752191

    建议不要在 range(Temp) 之外进行预测，因为它会受到潜在的不良外推效应的影响 .

    在采用非参数方法之前，我还尝试了基于回归样条和正交多项式的非线性回归，但它们并没有提供令人满意的结果 . 主要原因是平滑度没有受到惩罚 . 作为一个例子，我用 poly 展示了一些尝试：

    try1 <- lm(Disc ~ poly(Temp, degree = 3))
try2 <- lm(Disc ~ poly(Temp, degree = 4))
try3 <- lm(Disc ~ poly(Temp, degree = 5))

plot(Temp, Disc, ylim = c(-0.3,1.0))
x<- seq(min(Temp), max(Temp), length = 50)
newdat <- list(Temp = x)
lines(x, predict(try1, newdat), col = 2)
lines(x, predict(try2, newdat), col = 3)
lines(x, predict(try3, newdat), col = 4)

    enter image description here

    我们可以看到拟合曲线是人为的 .

    回复于
  • 1

    我们可以按如下方式拟合多项式，但是由于我们有更高的度数，它会过度拟合数据：

    m <- nls(Disc ~ a + b*Temp + c*Temp^2 + d*Temp^3 + e*Temp^4, start=list(a=0, b=1, c=1, d=1, e=1))
plot(Temp,Disc,pch=19)
lines(Temp,predict(m),lty=2,col="red",lwd=3)

m <- nls(Disc ~ a + b*Temp + c*Temp^2 + d*Temp^3 + e*Temp^4 + f*Temp^5, start=list(a=0, b=1, c=1, d=1, e=1, f=1))
lines(Temp,predict(m),lty=2,col="blue",lwd=3)
m <- nls(Disc ~ a + b*Temp + c*Temp^2 + d*Temp^3 + e*Temp^4 + f*Temp^5 + g*Temp^6, start=list(a=0, b=1, c=1, d=1, e=1, f=1, g=1))
lines(Temp,predict(m),lty=2,col="green",lwd=3)

m.poly <- lm(Disc ~ poly(Temp, degree = 15))
lines(Temp,predict(m),lty=2,col="yellow",lwd=3)

legend(x = "topleft", legend = c("Deg 4", "Deg 5", "Deg 6", "Deg 20"),
       col = c("red", "green", "blue", "yellow"),
       lty = 2)

    enter image description here

    回复于

相关问题