Я пытаюсь понять, как сделать нелинейную регрессию некоторых кумулятивных данных значений X и Y.Набор данных основан на совокупных элементах и их соответствующем совокупном спросе.У меня есть график, похожий на этот
, основанный на следующем наблюдении 5299 пунктов, которое доступно здесь: abc.csv datafile
и я хотел бы подобрать модель, которая может объяснить это довольно аккуратно.Учитывая сюжет, я считаю, что здесь присутствует высокая степень детализации.Следовательно, я полагаю, что можно было бы найти функцию, которая объясняла бы данные с очень высокой точностью.
Однако проблема в том, что я пытаюсь подобрать модель с nls() путемметодом проб и ошибок.Кроме того, некоторые функции, которые я пробовал, дают мне некоторое объяснение, но не в полной мере.Например,
nlm <- nls (abc $ Cumfreq ~ c * (1-exp (-a * abc $ noe)) + b, data = abc, start = list (a = 4.14,b = 0,21, c = 0,79)) </p>
Даёт мне:
Мой вопрос: как получить регрессию с лучшей подгонкой?Есть ли функция в R или другой способ достижения этого?(пальцы скрещены для математического гения там)