我不确定R能做到这一点（我认为它可以，但也许这只是因为我倾向于认为R可以做任何事情:-)）。我需要找到最合适的方程来描述数据集。
例如，如果您有以下几点：
df = data.frame(x = c(1, 5, 10, 25, 50, 100), y = c(100, 75, 50, 40, 30, 25))
你如何得到最合适的方程式？我知道你可以得到最合适的曲线：
plot(loess(df$y ~ df$x))
但据我所知，您无法提取等式，请参阅Loess Fit and Resulting Equation。
当我尝试自己构建它时（注意，我不是数学家，所以这可能不是理想的方法:-)），我最终得到了像：
y.predicted = 12.71 + ( 95 / (( (1 + df$x) ^ .5 ) / 1.3))
哪种似乎接近它 - 但我不禁认为可能存在更优雅的情况： - ）
我觉得拟合线性或多项式模型也行不通，因为公式似乎与那些模型通常使用的公式不同（即这个模型似乎需要划分，权力等）。例如，Fitting polynomial model to data in R中的方法给出了非常差的近似值。
我记得很久以前存在的语言（Matlab可能就是其中之一？）就是这样做的。 R也可以这样做，还是我只是在错误的地方？
（背景信息：基本上，我们需要做的是根据第一列中的数字找到第二列中确定数字的等式;但我们自己决定数字。我们知道我们想要的方式曲线看起来像，但如果我们得到更好的拟合，我们可以将这些数字调整为等式。它是关于产品的定价（用于定性数据分析的当前昂贵软件的更便宜的替代品）;您购买的“项目信用”越多它应该变得越便宜。而不是强迫人们购买一个给定的数字（即5或10或25），有一个公式，这样人们可以准确地购买他们需要的东西会更好 - 但当然这需要一个公式。我们对一些我们认为合适的价格有所了解，但现在我们需要将其转化为等式。
答案 0 :(得分：3)
fit＆lt; - lm（y~x1 + x2 + x3，data = mydata）
摘要（适合）#show results
上面的代码应该为您提供最适合您使用OLS的数据的行。
答案 1 :(得分：3)
我常用的插件：http://creativemachines.cornell.edu/eureqa
但正如罗兰所说，“最适合一般”没什么意义，因为任何功能都可以表达为泰勒系列。由于一组数据预计会在其值中产生噪声，因此曲线拟合的一个重要部分是确定什么是噪声，什么不是噪声。
如果你随意选择一些拟合函数，我可以保证的一点是外推点会匆忙发散。