Я создал модель R, которая оценивает примесь 220 популяций.Я позволил симуляциям работать для случайно выбранных параметров и записал значения параметров, а также остаточную сумму квадратов (RSS).Теперь я хотел бы оценить, при каких значениях параметров остаточная сумма квадратов может быть минимальной.
Моя модель основана на 4 параметрах и занимает около 40 секунд на один прогон.Для создания надежного набора данных для оптимизации я уже сгенерировал 15 000 прогонов.Но, к сожалению, я не знаю, как может выглядеть функция поверхности отклика, RSS = f (p1, p2, p3, p4).Таким образом, мне либо нужно сначала оценить его, либо использовать другие процедуры оптимизации.
Пример набора данных, который у меня есть, может выглядеть следующим образом:
params <- cbind(runif(1000, 0, 0.8), runif(1000, 0, 0.8), runif(1000, -0.5, 0.5), runif(1000, -0.5, 0.5))
data <- cbind(params, (params[,1]*params[,2] + params[,3] + params[,4])^2)
colnames(data) <- c("parameter 1", "parameter 2", "parameter 3", "parameter 4", "RSS")
Однако помните, что яне знаю отношения между переменной ответа и 4 параметрами (хотя я предположил линейную зависимость в приведенных выше примерах данных).
Подводя итог моему запросу: я ищу метод, который оцениваетоптимальные значения для 4 параметров, которые минимизируют остаточную сумму квадрата модели.
Заранее большое спасибо!