2016-10-10 90 views
0

我想通過使用darch()將模型擬合到非線性迴歸中。R - 如何用darch()和predict()來擬合非線性迴歸模型?

這裏是我已經做了代碼:

library(darch) 

x = seq(-10, 10, 0.2) 

e = function(x) { 
    return(rnorm(n = length(x), 0, sqrt(0.1))) 
} 

y = function(x) { 
    return(0.1*x**2 + sin(3*x)) 
} 

f = function(x) { 
    return(y(x)+e(x)) 
} 

plot (x, y(x), type = 'l') 
points (x,f(x), col = 'blue') 
df=data.frame(x,f(x)) 

model = darch(x, f(x), bp.learnRate = 0.01, darch.isClass = FALSE, layers = c(1,3,10,3,1)) 


y_pred = rep(NA, length = length(x)) 
for (i in 1:length(x)){ 
    y_pred[i] = predict(model, newdata=x[i]) 
} 

但是,當我試圖讓在預測值,它看起來並不像我在等待值:

y_pred 

[1] 0.9990583 0.9992179 0.9991225 0.9991374 0.9983996 0.9992237 0.9984544 
[8] 0.9989182 0.9990836 0.9992311 0.9992324 0.9987781 0.9984507 0.9988732 
[15] 0.9986921 0.9992085 0.9991967 0.9984051 0.9991378 0.9983898 0.9992204 
[22] 0.9990966 0.9991587 0.9991696 0.9986069 0.9984612 0.9991242 0.9985350 
[29] 0.9992006 0.9987659 0.9984619 0.9991764 0.9991554 0.9984633 0.9984696 
[36] 0.9984600 0.9986129 0.9989958 0.9985773 0.9984808 0.9984107 0.9983901 
[43] 0.9985983 0.9991682 0.9985102 0.9985920 0.9984892 0.9991399 0.9992277 
[50] 0.9992287 0.9989034 0.9984764 0.9991734 0.9983782 0.9990186 0.9990780 
[57] 0.9985477 0.9986955 0.9991586 0.9985124 0.9991473 0.9984565 0.9991716 
[64] 0.9991440 0.9985235 0.9990681 0.9990596 0.9991788 0.9991864 0.9984982 
[71] 0.9990144 0.9991828 0.9991570 0.9984318 0.9983808 0.9991860 0.9988372 
[78] 0.9991675 0.9989534 0.9984602 0.9985535 0.9984757 0.9992286 0.9988527 
[85] 0.9991903 0.9984676 0.9992313 0.9990943 0.9991951 0.9985524 0.9992317 
[92] 0.9991656 0.9991985 0.9983903 0.9992237 0.9985506 0.9992338 0.9990685 
[99] 0.9987815 0.9990695 

我想我的腳本返回新的Y座標,以便我可以繪製由darch()生成的模型,並查看它是否適合我的點分佈。

乾杯!

+0

你等待什麼值?你能更清楚地知道你的期望嗎? – MrFlick

+0

我認爲他期待迴歸的價值。那麼,你知道輸出層通常會返回相對權重。因此,如果你設置了'preProc.targets = T'(參見'darch')參數,你應該爲你的'df'得到一個迴歸線。 – Drey

+0

嗨! 我想返回新的Y座標來繪製darch()中適合我的點集的模型。 –

回答

0

你的問題很有意思。 我在代碼中找不到問題。 但是,您是否嘗試過使用更寬的窗口並對樣本數據集進行測試?

+0

嗨mg64。 是的,我嘗試了兩個建議。 乾杯! –