R中的非线性回归分析

Question

我是一个R新手，但我正在寻找一种方法来确定与R中的以下函数相关的三个参数A，B和C：

y = A * (x1^B) * (x2^C)

谁能给我一些关于R方法的提示，帮助我实现这样的拟合？

Answer 1

一个选项是@SvenHohenstein建议的nls函数。另一种选择是将非线性回归转换为线性回归。在这个方程的情况下，只需要取方程两边的对数，然后做一点代数运算，你就会得到一个线性方程。您可以使用以下命令运行回归：

fit <- lm( log(y) ~ log(x1) + log(x2), data=mydata)

截距将是log(A)，因此使用exp来获得值，B和C参数将是2个坡度。

这里最大的不同之处在于，nls将拟合模型，并将正态误差添加到原始方程中，而lm fit with logs假设原始模型中的误差来自对数正态分布，并乘以而不是添加到模型中。对于这两种方法，许多数据集将给出类似的结果。

Answer 2

您可以使用函数nls来拟合非线性最小二乘模型。

nls(y ~ A * (x1^B) * (x2^C))

Answer 3

为什么不使用SVM (支持向量机)回归？在CRAN中有一个名为e1071的包，可以使用支持向量机处理回归。

您可以查看此教程：http://www.svm-tutorial.com/2014/10/support-vector-regression-r/

我希望它能帮助你