Régression non linéaire

Version imprimable

Bonjour,je cherche a faire une régression non linéaire selon une sigmoïde
donc je commence ce script:
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 ################################################## ####tentative de fit R stage M2 psychophysique#### ################################################## # # ouvrir les données data1=read.table('donnearrangec.txt',h=T) # #garder les données actives attach(data1) # #afficher la tableau de données data1 # #tentative de fit sur un sujet x = c(X0[1],X50[1],X70[1],X90[1],X110[1],X130[1],X150[1],X200[1],X250[1],X300[1],X350[1]) y = c(X0[2],X50[2],X70[2],X90[2],X110[2],X130[2],X150[2],X200[2],X250[2],X300[2],X350[2]) plot(y~x) test = nls(y ~ a/(b + exp(b-(c*x))))
qui lorsque je le lance me lance : ce message d'erreur
Code:

1 2 3 4 5 6 7 Erreur dans c * x : argument non numérique pour un opérateur binaire De plus : Message d'avis : In nls(y ~ a/(b + exp(b - (c * x)))) : Pas de valeurs initiales fournies pour certains paramètres. Initialisation ‘a’, ‘b’ à '1'. Spécifiez 'start' ou utilisez un model de type 'SelfStart'
J'aimerais savoir comment est la syntaxe,car après en avoir testé plusieurs,je n'arrive toujours à rien...
Comment utiliser un modèle de type selfstart(si il est correct)?
Comment serait la syntaxe correcte (je 'arrangerais pour les paramètres de départ)?
Comment afficher un plot avec le fit associé? et récupérer les valeurs
Merci de l'attention porté à ce post en espérant que je ne vais pas trop exaspérer les connaisseurs:aie:

30/03/2010, 18h42
pitipoisson

Bonjour,

La fonction nls a besoin de savoir quel sont les paramètres à ajuster. Si tu ne le précises pas, elle doit essayer de les "deviner" en regardant quels sont les objets existants et fixe leur valeur de départ (pour l'algorithme de recherche des meilleurs valeurs) à 1. Ce dernier point est d'ailleurs l'objet du warning que tu obtiens.

Dans le cas du paramètre c, je suppose qu'elle trouve la fonction du même nom (création de vecteurs) et essaye de l'utiliser comme une variable, d'où l'erreur.

Tu devrais donc utiliser une syntaxe du type

Code:

test = nls(y ~ a/(b + exp(b-(c*x))), start=list(a=1, b=1, c=1))

en ajustant évidement tes valeurs de départ à ce que tu sais a priori de ces paramètres.

Pour obtenir de l'aide sur les nombreuses options de cette fonctions :

Code:

> ?nls

Merci d'avoir répondu si vite, hélas, même en mettant des paramètres start, je n'avais pas réussi,j'ai donc tenté de de changer le c par un d (j'avais oublié que le c voulait dire concaténation :oops:) mais à priori, cela ne change pas le problème
Code:

1 2 3 4 fit1 = nls(y ~ a/(b + exp(b-(d*x))), start=list(a=1, b=1, d=1)) Erreur dans nls(y ~ a/(b + exp(b - (d * x))), start = list(a = 1, b = 1, : des paramètres n'ont pas de valeurs initiales dans 'data' : y, x
Je n'arrive pas a comprendre pourquoi il ne récupère pas les X et y que j'ai défini plus haut

Es-tu sûr qu'ils sont toujours bien définis et accessibles par la fonction nls (si tu l'appelles depuis une autre fonction, ça peut coincer).

Chez moi, l'exemple suivant fonctionne bien

Code:

1
2
3
4
5
6
7
8
9
10
11
12
x <- 1:30
 
(y <- 2.2 / (0.1 + exp(0.1 - (1.7 * x))) + rnorm(30, 0, 0.01))
 
nlscont <- nls.control(maxiter = 200, tol = 1e-05, minFactor = 1/1024,
                       printEval = FALSE, warnOnly = FALSE)
 
test <- nls(y ~ a/(b + exp(b-(c*x))),
            start=list(a=1.6, b=0.201, c=2.0),   # éviter les valeurs entières : => matrices singulières
            algorithm="port", control=nlscont)
 
test

et me retourne

Code:

1
2
3
4
5
6
7
8
Nonlinear regression model
  model:  y ~ a/(b + exp(b - (c * x))) 
   data:  parent.frame() 
     a      b      c 
2.2050 0.1002 1.6987 
 residual sum-of-squares: 0.002861
 
Algorithm "port", convergence message: both X-convergence and relative convergence (5)

Mais comme tu peux le voir, il a cherché les données dans l'environnement parent.

Une solution alternative et plus robuste est d'avoir les variables dans une data.frame :

Code:

1
2
3
4
5
6
7
data <- data.frame(x=x, y=y)
 
test2 <- nls(y ~ a/(b + exp(b-(c*x))),data=data,
             start=list(a=1.6, b=0.201, c=2.0),
             algorithm="port", control=nlscont)
 
test2

en réduisant mon nombre de constantes j'ai ça(les valeurs initiales,j'en ai une idée de part d'autres tests):
Code:

1 2 3 4 5 6 7 8 fit1 = nls(y ~ 1/(1 + exp(a-(b*x))),data = data, start=list(a=1.05, b=0.05)) > fit1 Nonlinear regression model model: y ~ 1/(1 + exp(a - (b * x))) data: data a b 6.15465 0.05646 residual sum-of-squares: 0.04391
En revanche,en gardant 4 constantes, ça ne marche toujours pas:
Code:

1 2 3 4 fit2 = nls(y ~ a/(b + exp(g-(d*x))),data = data, start=list(a=1.0001, b=1.0001, g=5.0001, d=0.05)) Erreur dans nlsModel(formula, mf, start, wts) : matrice de gradient singulière pour les estimations initiales des paramètres
Je ne comprends pas ce qu'il entend par gradient particulier

31/03/2010, 17h23
pitipoisson

C'est une matrice qui n'est pas inversible.

Je te conseille d'utiliser l'algorithme "port", comme dans mon exemple ci-dessus. J'ai remarqué qu'il conduisait moins souvent à ce cas de figure.
Après, faut jouer sur les valeurs initiales.
01/04/2010, 15h19
valentin.guilhem

ça ne veut toujours pas marcher, je me mets à la lecture de documentation précise sur R
(pour les intéressés quelques liens qui peuvent être consultables en ligne:
http://www.springer.com/statistics/s...-0-387-09615-5
http://cran.r-project.org/doc/contri...regression.pdf)

Quand j'aurais trouvé une solution,je la posterais
Merci pour ta patience Titipoisson et l'attention que tu as portée à mon topic,
je pense que la solution a deux constante me donne des bons fits,je vais partir sur cette piste