rgp（R遗传编程）包 - 不能做回归

Question

我正在尝试使用R遗传包（rgp）进行非线性回归，使用此处使用的技术：Fitting a curve to specific data（参见第二种方法）。我正在使用R包drc来获取heartrate数据：

library(drc)

head(heartrate)
#  pressure   rate
#1    50.85 348.76
#2    54.92 344.45
#3    59.23 343.05
#4    61.91 332.92
#5    65.22 315.31
#6    67.79 313.50

library(rgp)

res <- symbolicRegression(rate ~ pressure, data=heartrate)

(symbreg <- res$population[[which.min(sapply(res$population, res$fitnessFunction))]])
#function (pressure) 
#pressure + (pressure/0.853106872646055 + pressure)

ggplot() + 
    geom_point(data=heartrate, aes(pressure,rate), size = 3) +
    geom_line(data=data.frame(symbx=heartrate$pressure, 
                              symby=sapply(heartrate$pressure, symbreg)), 
              aes(symbx, symby), colour = "red")

但是，我得到的回归线明显不正确。数据点的分布表示随着压力增加而降低速率的曲线关系（反向关联）。但是，生成的回归线是线性的并且方向错误。

错误在哪里？

编辑：

在评论中使用@ cuttlefish44建议的增加步骤：

res = symbolicRegression(rate ~ pressure, data = heartrate, stopCondition = makeStepsStopCondition(45000))

(symbreg <- res$population[[which.min(sapply(res$population, res$fitnessFunction))]])
#function (pressure) 
#exp(exp(exp(cos(cos(-9.23878724686801/pressure)))))

完成需要8分钟。情节是：

回归线的方向优于上述（！），但它表明需要很长时间才能达到明显的方向。由@ cuttlefish44获得的函数的回归线也很相似，并不是很合适。

Answer 1

你可能已经读过这个，但我认为你的答案隐藏在Oliver Flasch写的this introduction to RGP package里面。

我对rgp软件包一无所知，但如果您只想进行线性回归，为什么不使用基础软件包中的lm()函数？

至少你能够估计普通最小二乘回归的β ₀ 和β ₁ 的参数：

rate =β ₁ * pressure +β ₀

     linear.model <- lm(rate ~ pressure, data=heartrate)

     ggplot(data=heartrate, aes(x=pressure,y=rate)) + 
         geom_point() + 
         geom_smooth(method="lm", col="red")

linear regression with ggplot2

您可以使用linear.model$coefficients

访问系数

您仍然可以使用linear.model$fitted.values

操纵预测值

您可以使用linear.model$residuals

访问残差

如果您想要更准确地拟合曲线，线性模型可能不够，您可以尝试glm或多项式回归并选择具有AIC或BIC标准的最佳模型。