R nls高斯拟合“在初始参数估计中的奇异梯度矩阵”

我试图用nls使用高斯曲线拟合我的数据。因为没有工作，我试图做一个简单的例子，看看有什么不顺心：R nls高斯拟合“在初始参数估计中的奇异梯度矩阵”

>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

为什么不这项工作？

来源

2014-07-06 user1402050

首先，我不知道你是否正确使用'dnorm'。它的签名是'dnorm（x，mu，sigma）'。你的例子令人困惑，因为你在x参数中有'mu'变量，在平均参数中有'sigma'。这个例子中没有变化发生变化。这是你的意图吗？如果是这样，这是一个非常令人困惑的变量名称选择。 – MrFlick

首先请使用set.seed使您的示例具有可重现性。第二我认为你的意思是dnorm(x, 0.4, 2)而不是dnorm(x-0.4, 2)。这些都不相同，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，标准值为2。如果我们做这个改变，然后它的工作原理：

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：

所有的

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

来源

2014-07-06 21:39:14

没错，错误可能是由于缺乏识别能力。对所有'a'确实是'2 * dnorm（xa，2）== 2 * dnorm（x，2 + a）'，所以不可能确定属于'mu'变量的属性和属于'sigma'的属性在原来的公式中。 – MrFlick

sd是第三个参数，而不是第二个参数。原始公式中的问题是mu和sigma都指定了平均值。 –

是的，我意识到对于'dnorm'函数。我正在使用变量名称作为OP分配它们。我只是想明确说明为什么NLS不能像最初所写的那样解决公式。 – MrFlick

R nls高斯拟合“在初始参数估计中的奇异梯度矩阵”

回答

相关问题