拟合R中逻辑增长曲线的最轻松方法是什么？

19

对于Google来说，这不像其他事情那么容易，因为要明确地说，我并不是在使用回归来预测分类变量的意义上谈论逻辑回归。

我说的是将逻辑增长曲线拟合到给定的数据点。具体来说，是1958年至2012年的给定年份，是年11月的估计全球CO2 ppm（百万分之二氧化碳）。 $x$ $y$ $x$

目前，它正在加速发展，但必须稳定下来。所以我想要一条逻辑曲线。

我还没有找到一个相对简单的方法来做到这一点。

r nonlinear-regression curve-fitting logistic-curve

— 准备就绪
source

3

Logistic曲线并不是唯一“趋于平稳”的曲线。实际上，任何连续cdf的倍数都可以满足该要求。

— Glen_b-恢复莫妮卡

2

使用包grofit使用样条曲线和生长曲线。

尼克，非常感谢您提交代码，我只是想知道如何将其编写为等式？在代码中，值C，a和K指代哪些参数？

1

我认为您以我为@ user2581681。我刚刚编辑了他们的答案。

— Nick Cox 2013年

19

参见nls()功能。它具有一个自启动逻辑曲线模型功能SSlogis()。例如从?nls帮助页面

> library("nls")
> DNase1 <- subset(DNase, Run == 1)
>      
> ## using a selfStart model
> fm1DNase1 <- nls(density ~ SSlogis(log(conc), Asym, xmid, scal), 
+                  DNase1)

我建议您阅读这些功能的帮助页面，如果可能的话，请阅读链接的参考资料以了解更多信息。

— 恢复莫妮卡-辛普森
source

9

不久前我也有同样的问题。这是我发现的：

Fox和Weisberg使用nls函数（带有和不带有Gavin提到的自动启动选项）撰写了一篇很棒的补充文章。在这里能找到它：

http://socserv.mcmaster.ca/jfox/Books/Companion/appendix/Appendix-Nonlinear-Regression.pdf

从那篇文章中，我最终为类编写了一个函数，以在将逻辑曲线拟合到其数据时使用：

###Log fit - be sure to use quotes around the variable names in the call
log.fit <- function(dep, ind, yourdata){
#Self-starting...

y <- yourdata[, dep]
x <- yourdata[, ind]

log.ss <- nls(y ~ SSlogis(x, phi1, phi2, phi3))

#C
C <- summary(log.ss)$coef[1]
#a
A <- exp((summary(log.ss)$coef[2]) * (1/summary(log.ss)$coef[3]))
#k
K <- (1 / summary(log.ss)$coef[3])

plot(y ~ x, main = "Logistic Function", xlab=ind, ylab=dep)
lines(0:max(x), predict(log.ss, data.frame(x=0:max(x))), col="red")

r1 <- sum((x - mean(x))^2)
r2 <- sum(residuals(log.ss)^2)

r_sq <- (r1 - r2) / r1

out <- data.frame(cbind(c(C=C, a=A, k=K, R.value=sqrt(r_sq))))
names(out)[1] <- "Logistic Curve"

return(out)
}

— 用户名
source