R nls2 函数 - 结果 [[which.min(ss)]] 中的错误：尝试在 get1index 中选择少于一个元素

Posted 2023-03-17

【中文标题】R nls2 函数 - 结果 [[which.min(ss)]] 中的错误：尝试在 get1index 中选择少于一个元素

【英文标题】：R nls2 function - Error in result[[which.min(ss)]] : attempt to select less than one element in get1index

【发布时间】：2020-06-19 03:20:50

【问题描述】：

我有 2 天的时间在努力进行多元回归。 这是我目前所拥有的：

y<- c(-0.3902,  0.5277,  0.4357, -0.1888, -6.7422,  0.3797, -0.5141,      NA, -1.2423,  5.6756, -0.5352,
-0.2379,      NA,  0.4270,      NA,      NA,      NA,      NA,      NA,      NA, -1.1185,  0.0594,
 0.8280,      NA,  1.8387, -3.1469,-1.6212, -0.8400,      NA ,     NA,      NA, -0.7291,  2.0888)
x<- c( 0.07712829, 0.07038519, 0.08875312, 0.08235028, 0.10874493, 0.09713412, 0.11821937, 0.12796526,
0.12159038, 0.08520884, 0.07046089, 0.07417249, 0.07507544, 0.11416440, 0.09955467, 0.06688244,
0.06871298, 0.06187514, 0.12293434, 0.07864503, 0.12417404, 0.08600490, 0.10745128, 0.12277381,
0.12952106, 0.09144677, 0.09034708, 0.08039892, 0.07856194, 0.07864304, 0.10883127, 0.10690687,
0.11617899)

f1<- y ~ ((a*b)/(a+b)+x)

st1 <- expand.grid(a = seq(0, 1000, len = 10),
                   b = seq(0, 800, len = 10))

o<-nls2(f1,
        start = st1,
        algorithm = "brute-force")

结果是

numericDeriv(form[[3L]], names(ind), env) 中的错误： 评估模型时产生的缺失值或无穷大 结果错误[[which.min(ss)]]： 尝试在 get1index 中选择少于一个元素

我试过了

st2<- data.frame(a = c(0,1000), b = c(0, 800))
o<-nls2(f1,
        start = st2,
        algorithm = "brute-force")```

得到

结果错误[[which.min(ss)]]： 尝试在 get1index 中选择少于一个元素

我不知道 a 的值是多少，这也使得给出一个起始值变得困难。我必须将方程应用于多个数据集（这里我只给出较小的一个）。

关于如何完成这项工作的任何提示？ 也许使用不同的包进行多元回归而不是 nls2？

任何帮助将不胜感激！

【参考方案1】：

模型无法识别。外括号没有区别，因此我们可以将您的模型等效地编写为：

y ~ (a*b)/(a+b) + x

第一项只是一些常数，因此不能是两个参数的函数。

另请注意，如果 a=b=0，则右侧为 NaN。

也许您打算使用如下所示的f2。也将下限中的 0 改为 1 以避免出现 NaN 情况。

st2 <- data.frame(a = c(1, 1000), b = c(1, 800))
f2 <- y ~ (a*b) / (a+b+x)
nls2(f2, start = st2, algorithm = "brute-force")

添加

来自 cmets y ~ (a*b)/(a+b) + x 实际上是您的意图，因此在这种情况下，我们可以使其可识别并可以使用以下方法修改建模：

 f3 <- y ~ A + x
 nls(f3, start = list(A = 1))

这个模型非常简单，我们可以直接交替计算A的最优值mean(y - x, na.rm = TRUE)。现在任意选择a（或b）并为b（或a）求解A = a * b / (a + b)，注意如果我们取两边的倒数，我们有1/A = 1/a + 1/b，即A是谐波的一半a 和 b 的平均值。

如果您确实想使用 nls（即使不使用它也很容易），这样您就不必求解 a 或 b，那么试试这个：

o <- order(x)
dd <- na.omit(data.frame(x, y)[o, ])
b <- 800
f1 <- y ~ (a*b)/(a+b) + x
fm <- nls(f1, dd, start = list(a = 1))
plot(y ~ x, dd)
lines(fitted(fm) ~ x, dd, col = "red")

【讨论】：

G.格洛腾迪克我的等式是正确的，尽管有额外的 ()。 y ~ (a*b)/(a+b) + x。到目前为止，我尝试了不同的起始值组合，但没有成功。

见添加部分。

谢谢 G. Grothendieck。我给了一个任意的 b=800 ，结果对我来说没有意义。在这一点上，我可能不再直截了当。非线性回归模型模型：y - x ~ (a * 800)/(a + 800) 数据： a -0.1431 残差平方和：102.9 迭代收敛次数：2 实现收敛容差：1.501e- 09

如前所述，这很简单，您甚至不需要nls，平均值足以计算A，然后您可以手动求解；但是，如果您希望让 nls 完成工作，我在最后添加了一些代码。

确实！非常感谢您的帮助，非常感谢。我只是随机划分数据集进行交叉验证，它正在工作。