Я полиномиальная модель линейной регрессии, одномерной и Я предсказать х от у для нового набора данных. модель что-то вродеОбратного предсказания с полиномиальной моделью
f22<- lm(y~I(x^2.0) + I(x^3.0) + I(x^0.5))
Я использую эту модель в достаточно узком диапазоне х, где модель является монотонной. Я думаю, что не могу использовать функцию предсказывать.lm ... любые предложения? Спасибо.
Вот решение, основанное на uniroot:
#some data
x <- 1:100
set.seed(42)
y <- 1.8*x^2 - 0.015*x^3 + 0.4*x^0.5 + rnorm(100)
plot(y~x)
#fitting the model
f22<- lm(y~I(x^2.0) + I(x^3.0) + I(x^0.5), data=data.frame(x, y))
f22
lines(x, predict(f22))
#function to pass to uniroot for inverse prediction
ynew <- 2000 + (1:10)*100
fun <- function(x1, y1, mod) {
predict(mod, newdata=data.frame(x=x1)) - y1
}
#note how the interval is specified
xpred <- sapply(ynew, function(z) uniroot(fun, interval=c(20, 70), mod=f22, y1=z)$root)
#[1] 42.46892 43.86588 45.27242 46.69238 48.12992 49.58967 51.07714 52.59857 54.16165 55.77589
#check if it worked
predict(f22, newdata=data.frame(x=xpred))
# 1 2 3 4 5 6 7 8 9 10
#2100.000 2200.000 2300.000 2400.001 2500.002 2599.999 2700.000 2800.000 2900.000 3000.000
Быстрый способ, но, возможно, не самое лучшее, чтобы собрать образцы от х и у, а затем подобрать модель, где вход is y – Donbeo
@ Donbeo Нет, это другая модель (разные предположения относительно ошибки). – Roland