`predict.nls` возвращает подогнанные значения, а не прогнозы в указанных `newdata`

Ссылка на набор данных

Определенные параметры:

M <- maximum.oxygen.uptake
m <- mass
a <- age
s <- sex
v <- as.numeric(vigorous.exercise>0)
sv <- s*v
asv <- a*s*v
as <- a*s
av <- a*v
lnm=log(m)
lnms <- log(m)*s
lnmv <- log(m)*v
lnmsv <- log(m)*s*v
y <- M/m^(2/3)

Я успешно подогнал модель nls, используя:

nls.full <- nls(M ~ (m ^ (alpha0 + alpha1 * s + alpha2 * v + alpha3 * s * v)) * 
                (beta0 + beta1 * s + beta2 * v + beta3 * sv + 
                 a * gamma0 + gamma1 * as + gamma2 * av + gamma3 * asv), 
                trace=TRUE,
                start=list(alpha0=2/3, alpha1=0, alpha2=0, alpha3=0,
                           beta0=est[1], beta1=est[2], beta2=est[3],beta3=est[4], 
                           gamma0=est[5],gamma1=est[6],gamma2=est[7],gamma3=est[8]))

ПРОБЛЕМА: НЕ МОГУ СДЕЛАТЬ ПРОГНОЗ

xpredict <- seq(10,120,length.out=300)
data1 <- data.frame(a=35,s=0,v=1,m=seq(10,120,length.out=300))
ypredict <- predict(nls.full, newdata=data1, type="response")
plot(log(maximum.oxygen.uptake) ~ log(mass), subset = (s=='0' & v=='1'))
lines(xpredict,ypredict)

длины y и x различаются.

Я не понимаю, почему это должно быть так, я определил новый фрейм данных с 300 переменными, у меня должно быть только 300 результатов в прогнозе y.


r regression predict nls non-linear-regression
person GRS    schedule 22.11.2016    source источник

Ответы (1)


arrow_upward
3
arrow_downward

Ваш вопрос добавляет важный пример использования predict, который в настоящее время отсутствует на этом сайте (насколько мне известно), поэтому я не закрывал его как дубликат, как обычно.

Этого простого примера достаточно, чтобы проиллюстрировать вашу проблему:

set.seed(0)
x <- runif(50)
y <- runif(50)
## true model
z <- exp(4 * x - x * y) + sin(0.5 * y) + rnorm(50)

Мы можем подобрать модель нелинейной регрессии следующим образом:

fit1 <- nls(z ~ exp(a * x + b * x * y) + sin(c * y),
            start = list(a = 3, b = 0, c = 1))

or

xy <- x * y    
fit2 <- nls(z ~ exp(a * x + b * xy) + sin(c * y),
            start = list(a = 3, b = 0, c = 1))

Однако будьте осторожны при прогнозировании с помощью predict.

newdat <- data.frame(x = runif(2), y = runif(2))
pred1 <- predict(fit1, newdat)
# [1] 19.476569  2.870397

pred2 <- predict(fit2, newdat)
#[1] 12.205215  2.900922 16.675160  2.588310 18.466907  3.221744 21.207958
#[8]  2.478375 16.294230  2.230084 22.675165  2.741694 22.053141   2.441442
#[15] 20.378554  2.069649 20.362845  2.380586 10.570350  3.168567 11.477691
#[22]  2.438041 19.336928  2.648129 22.282448  2.899636 16.264152  3.229857
#[29] 19.928498  1.779721 16.563424  2.688125 14.925190  2.718176 21.853093
#[36]  1.856641 20.213350  1.957830 22.960452  2.767944 21.890656  2.719899
#[43] 22.370200  2.066384 14.061771  2.237771 12.102094  3.232742 18.985547
#[50]  1.909355

predict.nls не выдает никаких предупреждений, подобных тому, что делают predict.lm и predict.glm (Получение предупреждения: ""newdata" имеет 1 строку, но найденные переменные имеют 32 строки" на pred.lm в R). По сути, вы должны указать все переменные, используемые в вашей формуле подбора. Имейте в виду, что xy также является переменной:

newdat$xy <- with(newdat, x * y)
pred2 <- predict(fit2, newdat)
# [1] 19.476569  2.870397
person Zheyuan Li    schedule 22.11.2016