使用自定义函数和参数拟合模型答案

【问题标题】：Fit model with custom function and parameters使用自定义函数和参数拟合模型
【发布时间】：2018-07-08 21:47:13
【问题描述】：

我想在 R 中使用稳健的非线性回归来拟合一些数据 (nlrob)。但是，我认为这个问题也应该适用于非鲁棒和/或线性方法。

我编写了一个自定义函数，该函数将因变量的值作为自变量加上一些额外参数的函数返回。我的问题是，对于每个“案例”，我可以有不同数量的额外参数。我该如何编码？

示例：

案例一

 nlrob(y ~ f(x, p,p1),data = data1, start = c(p1 = 0 ))

案例2

nlrob(y ~ f(x,p, p1,p2,p3),data = data2, start = c(p1 = 0,p2 = 0,p3 = 0 ))

我应该如何编写函数 f 以便它可以接收和解析 x、p 和任意 p*？如何编写 nlrob 行以使其正常工作？换句话说，对于任意数量的参数，如何编写调用 nlrob 和函数 f 的通用行？

【问题讨论】：

标签： r generics parameters curve-fitting data-fitting

【解决方案1】：

系数可以是向量。例如，这里f 的p 参数的长度可以是1 或2：

f <- function(x, p) if (length(p) == 1) p * x else p[1] * x + p[2]
nlrob(demand ~ f(Time, p), BOD, start = list(p = 1))
nlrob(demand ~ f(Time, p), BOD, start = list(p = 1:2))

补充：

要与method = "tau" 一起使用，例如，定义upper 和lower 而不是start：

# lower <- 0; upper <- 10
lower <- c(0, 0); upper <- c(10, 10)

nms <- paste0("p", seq_along(upper))
names(lower) <- names(upper) <- nms
f <- function(x, ...) {
   with(list(...), if (...length() == 1) p1 * x else p1 * x + p2)
}   
fo <- sprintf("demand ~ f(Time, %s)", toString(paste(nms, "=", nms)))
nlrob(fo, data = BOD, lower = lower, upper = upper, method = "tau")

【讨论】：

太棒了！！！这实际上有效:) 我会接受答案。但是，如果我想使用不是 M 的任何方法，这将不起作用。在这种情况下，我必须指定特定的下限和上限，但这不起作用。你有解决方法吗？（顺便问一下，有人知道最好的方法吗？）
不是M的方法是什么意思？
在 nlrob 上我们可以选择方法。默认情况下，它是一个 M 估计器。但是，据我所知，有更好的方法可用，例如最大修剪似然。所有这些其他方法的实现都假定用户应该提供边界，而不是定义起点。
见添加部分。