我有一系列适合功率曲线的数据,我使用R中的预测函数来允许我根据额外的x值预测y值。
set.seed(1485)
len <- 24
x <- runif(len)
y <- x^3 + rnorm(len, 0, 0.06)
ds <- data.frame(x = x, y = y)
mydata=data.frame(x,y)
z <- nls(y ~ a * x^b, data = mydata, start = list(a=1, b=1))
#z is same as M!
power <- round(summary(z)$coefficients[1], 3)
power.se <- round(summary(z)$coefficients[2], 3)
plot(y ~ x, main = "Fitted power model", sub = "Blue: fit; green: known")
s <- seq(0, 1, length = 100)
lines(s, s^3, lty = 2, col = "green")
lines(s, predict(z, list(x = s)), lty = 1, col = "blue")
text(0, 0.5, paste("y =x^ (", power, " +/- ", power.se,")", sep = ""), pos = 4)
如何在此处使用预测函数,而不是基于此幂函数基于附加x值手动计算估计的y值。如果这只是一个简单的线性回归,我会计算斜率和y截距,并按
计算我的y值y= mx + b
我可以从z的输出中使用类似的公式,这将允许我从其他x值估计y值吗?
> z
Nonlinear regression model
model: y ~ a * x^b
data: mydata
a b
1.026 3.201
residual sum-of-squares: 0.07525
Number of iterations to convergence: 5
Achieved convergence tolerance: 5.162e-06
答案 0 :(得分:1)
除非使用您建模的幂方程式,否则您将以相同的方式执行此操作。您可以使用z$m$getPars()
这是一个简单的例子来说明:
predict(z, list(x = 1))
结果:1.026125
等于
的结果z$m$getPars()["a"] * 1 ^ z$m$getPars()["b"]
这相当于y = a * x ^ b
答案 1 :(得分:0)
以下是一些方法。
1)with 这将根据系数评估公式:
x <- 1:2 # input
with(as.list(coef(z)), a * x^b)
## [1] 1.026125 9.437504
2)附加我们也可以使用attach
,但通常不赞成:
attach(as.list(coef(z)))
a * x^b
## [1] 1.026125 9.437504
3)显式明确定义:
a <- coef(z)[["a"]]; b <- coef(z)[["b"]]
a * x^b
## [1] 1.026125 9.437504
4)eval 这个从z
中提取公式,以便我们不必再次指定它。 formula(z)[[3]]
是用于生成z
的公式的右侧。 eval
的使用有时不受欢迎,但这确实避免了
公式的冗余规范。
eval(formula(z)[[3]], as.list(coef(z)))
## [1] 1.026125 9.437504