我尝试使用nls将数据拟合为高斯曲线。 因为那不起作用,我试图做一个简单的例子来看出出了什么问题:
>x=seq(-4,4,0.1)
>y=2*dnorm(x-0.4,2)+runif( length(x) , min = -0.01, max = 0.01)
>df=data.frame(x,y)
>m <- nls(y ~ k*dnorm(x-mu,sigma), data = df, start = list(k=2,mu=0.4,sigma=2))
Error in nlsModel(formula, mf, start, wts, upper) : singular gradient
matrix at initial parameter estimates
> m <- nls(y ~ k*dnorm(x-mu,sigma), data = df, start == list(k=1.5,mu=0.4,sigma=2))
Error in nlsModel(formula, mf, start, wts, upper) : singular gradient
matrix at initial parameter estimates
为什么这不起作用?
答案 0 :(得分:1)
首先,请使用set.seed
使您的示例可重现。第二,我认为你的意思是dnorm(x, 0.4, 2)
而不是dnorm(x-0.4, 2)
。这些不同,因为在x-0.4情况下,x-0.4
的平均值为2
,而在另一种情况下,标准偏差为2
。如果我们进行此更改,那么它可以工作:
set.seed(123)
x=seq(-4,4,0.1)
y=2*dnorm(x, 0.4, 2)+runif( length(x) , min = -0.01, max = 0.01)
df=data.frame(x,y)
nls(y ~ k*dnorm(x, mu,sigma), data = df, start = list(k=2,mu=0.4,sigma=2))
,并提供:
Nonlinear regression model
model: y ~ k * dnorm(x, mu, sigma)
data: df
k mu sigma
2.0034 0.3914 2.0135
residual sum-of-squares: 0.002434
Number of iterations to convergence: 2
Achieved convergence tolerance: 5.377e-06