我刚刚开始使用R，在一些线性回归问题的情况下弄湿了我的情况，其中我有依赖变量和自变量的样本。我现在想解决一个不同的问题而不确定如何解决它。
super没有f（x）可以解决所有这些方程式，但我想根据样本方程模拟最接近近似的f（x）。
我认为最好的方法是最小二乘估计。为了在R中做到这一点，我认为我需要将其设置为具有等式和不等式的矩阵，其中：
x is known to be between 1 to 100
There are a series of simple linear equations for different values
of x:
f(12) = f(15) + f(45)
f(22) = f(30) + f(31)
f(49) = f(55) + f(98)
f(71) = f(72) + f(100)
f(85) = f(99) + f(100)
We can also set f(1) = 100 and f(1) > f(2) > f(3) > ... > f(100) > 0
为了做到这一点，我一直在引用limSolve文档。如果我尝试使用limSolve包，使用lsei，我会为等式设置以下内容：
x1 = 100
-x12 + x15 + x45 = 0
-x22 + x30 + x31 = 0
-x49 + x55 + x98 = 0
-x71 + x72 + x100 = 0
-x85 + x99 + x100 = 0
对于不平等，我们可以写下以下内容：
E <- matrix(ncol = 100, nrow = 6, byrow=TRUE, data=c(1,0...,0,0,0,0,0,0,0,0,0,0,0,-1,0,0,1,...1,...))
F <- c(100,0,0,0,0,0)
并将这些设置为G＆amp; ħ
x1 - x2 > 0
x2 - x3 > 0
...
x99 - x100 > 0
x100 > 0
我相信在那一点上我应该可以运行
G <- matrix(ncol=100,nrow=100,byrow=TRUE,data=c(1,-1,0,...,1))
H <- rep(0,100)
为x从x1到x100建模。
当我这样做时，我得到“No equalities - setting type = 2”。如果我运行lsei：
lsei(E,F,G,H)$X
我得到一个0的数组x1..x100，它不满足我定义的不等式。
对于运行此近似值我可能做错的任何建议表示感谢。我并不完全相信我走的是最接近x1..x100的正确道路，所以绝对欢迎任何建议。