x : 막장거리 ![[Upload]](http://kenial.net/wiki/img/moin-inter.gif){kind=small}
sample.zip 샘플 데이터 20040613_r_script.txt nls 스크립트
1 .1. C(x) : refA, p.25
3 . C(x) : refA, p.25
try to do : r-project에서 모수의 값의 범위를 정한 다음 각각의 값에 대한 divide-and-conquer 시도. 오후 9:55 2004-06-11, by Kenial
파라메터 범위(예상)
1 .2a. C(t) : refA, p.25
1 .2b. C(t) : refB, p.86
2 . 추산할 것..
4 . C(x,t) : 1.1, 1.2a, 1.2b 로부터 추산 = {1.1}, ({1.2a} + {1.2b}) / 2
5 . C(x,t) : refB : p.88
오전 12:55 2004-06-10, by Kenial
테스트용 파라메터
1-1
C0 .107785647
A 1.305090740
B .074960389
1-2
C0 .191568085
A 1.412937532
B .094437384
2(이건 좀 나중에)
C0 2.255114380
A .259494577
B 8646.0555381
3
C0 .167183448
CX 1.393850202
XX 19.733595112
4
C0 -1.580096488
A 1.471346848
B .088694718
C -1.858608651
D 2.493052423
5
C0 .430609326
CX 3.93449954
XX 8.83168773
T 2.25797694
M -.58709922
오전 10:51 2004-06-08, by Kenial
거의 마찬가지 결론이지만, r-project에서도 모수를 적절히 조절하면 같은(!) 결과를 얻을 수 있음.
대신, 모수의 값에 이상이 있을 때 그 해결점을 찾는 범위에서 spss가 좀 더 우수.
개개의 값은 모수가 가질 수 있는 최소/최대값을 10등분한 값으로 하며, 10회의 시도에 실패하면
개개의 모수마다 10단계의 값을 취해 모수 하나하나의 값을 변경해가며 divide-and-conquer 시도
(최악의 경우 10^p 번의 시도 : p=모수의 개수) 오전 1:22 2004-06-08, by Kenial
모수parameter 조정 성공!
spsssyntax_parametered.txt
대략 어버버하지만 웬간한 결과치에서는 4개 이상의 방정식이 80% 이상의 r^2 값을 보임.
tunnel <- read.table("d:tunnel.txt", TRUE)
내공변위의 값은 측정치에 -1을 곱해주어야 했음.
3번 모델의 결과 :
stable한 값은 아니지만, 초기치의 설정에 따라 제대로 된 값을 얻어낼 수 있을 듯 함.
오전 1:03 2004-06-07, by Kenial
r-project에서의 nonlinear regression 함수 테스트 중.
ft1 <- nls( c ~ A * ( 1 - exp( -B * x ) ) - c0, data = tunnel,
algorithm = "plinear",
ft1 <- nls( c ~ (( 1 - exp( -B * x ) ) * A ) - c0, data = tunnel,
start = list( A=0, B=0, c0=0 ), trace = TRUE)
start = list(A=0, B=0, c0=0 ), trace = TRUE)
ft1 <- nls( c ~ (( 1 - exp( -B * t ) ) * A ) - c0, data = tunnel,
start = list(A=0, B=0, c0=0 ), trace = TRUE)
ft1 <- nls( c ~ ( A * log(1 + (B*t)) ) - c0, data = tunnel,
start = list(A=0, B=0, c0=0 ), trace = TRUE)
ft1 <- nls( c ~ ( 1 - ( ( XX / ( XX + x ) ) ** 2 ) ) - c0, data = tunnel,
start = list(XX=0, c0=0 ), trace = TRUE)
ft1 <- nls( c ~ pa * (1 - exp(-pb * x)) + pc * (1 - exp(-pd * t)) - c0, data = tunnel,
start = list(pa=0, pb=0, pc=0, pd=0, c0=0 ), trace = TRUE)
ft1 <- nls( c ~ PCX*(1- ( (PX/(PX+x)) **2 )) * (1+ PM*(1-((PT/(PT+t))**0.3))) - c0,
data = tunnel, start = list(PCX=0, PX=0, PM=0, PT=0, c0=0 ), trace = TRUE)
결국 또 삽질 작업을 했음이 밝혀짐.
기초 parameter 0으로 조정 없이
3번 모델에서 R^2 = .98826, 5번 모델에서 R^2 = .91620 수치 나옴
(5번 모델의 경우 표준오차가 상당하여 별 의미가 없는 값)
Nonlinear Regression Summary Statistics Dependent Variable C
Source DF Sum of Squares Mean Square
Regression 3 10.27649 3.42550
Residual 10 .01351 1.350632E-03
Uncorrected Total 13 10.29000
(Corrected Total) 12 1.15077
R squared = 1 - Residual SS / Corrected SS = .98826
Asymptotic 95 %
Asymptotic Confidence Interval
Parameter Estimate Std. Error Lower Upper
C0 .129819687 .050150412 .018077605 .241561769
CX 1.139746965 .049305817 1.029886758 1.249607172
XX 15.949666320 1.886976217 11.745221299 20.154111341
오전 2:20 2004-06-06, by Kenial
* A * ( 1 - EXP(-B*x) ).
* NonLinear? Regression.
MODEL PROGRAM c0=0 A=0 B=0 .
COMPUTE PRED_ = A * ( 1 - EXP(-B*x) ) - c0.
NLR c
/OUTFILE='C:\SPSSFNLR.TMP'
* A * ( 1 - EXP(-B*t) ).
/PRED PRED_
/CRITERIA SSCONVERGENCE 1E-8 PCON 1E-8 .
* NonLinear? Regression.
MODEL PROGRAM c0=0 A=0 B=0 .
COMPUTE PRED_ = A * ( 1 - EXP(-B*t) ) - c0.
NLR c
Levenberg-Marquardt Method이 아니라면... sequential quadratic programming이다!
오후 4:18 2004-06-03, by Kenial
Levenberg-Marquardt Method에 대해서...
http://groups.google.co.kr/groups?hl=ko&lr=&ie=UTF-8&newwindow=1&threadm=8kjf16%24mnf%241%40b5nntp2.channeli.net&rnum=3&prev=/groups%3Fq%3Dlevenverg-marquardt%2520algorithm%26hl%3Dko%26lr%3D%26ie%3DUTF-8%26newwindow%3D1%26sa%3DN%26tab%3Dwg
http://www-fp.mcs.anl.gov/otc/Guide/OptWeb/index.html
analyze - regression - curve estimation 후 함수의 타입을 테스트...!
오전 12:17 2004-06-03, kenial
그다음 나온 b1 값을 토대로 nonlinear regression을 쌔운다
상수항 포함/비포함을 참고
(한글 spss 10.0에 의한 알기 쉬운 다변량분석, 노형진 저, 형설출판사) 오후 11:45 2004-05-27, kenial
샘플 데이터를 이용, c = PCX * ( 1- ((PX / (PX + x ))**2)) * ( 1 + PM * (1- (PT / (PT + t))**0.3)) 방정식의 회귀분석을 시도했으나, PT + t 값의 0일 때가 있어 divide by zero 에러를 내고 사망.
PT > a 의 일정값을 지정한 후 Squared R 값의 변화 :
| a | Squared R |
| 1E-20 | .04616 |
| 1E-19 | .04616 |
| 1E-18 | .56504 |
| 1E-17 | .56458 |
| 1E-16 | .56465 |
| 1E-15 | .56478 |
| 1E-14 | .56420 |
| 1E-13 | .56447 |
| 1E-12 | .56293 |
| 1E-11 | .56529 |
| 1E-10 | .56818 |
| 1E-09 | .59836 |
| 1E-08 | .62288 |
| 1E-07 | .77039 |
| 1E-06 | .63823 |
| 1E-05 | .74458 |
| 1E-04 | .89697 |
| 1E-03 | .89542 |
| 1E-02 | .89231 |
| 1E-01 | .89485 |
| 1 | .89521 |
| 1E+01 | .85480 |
| 1E+02 | .62513 |
도대체 이 결과를 어떻게 받아들여야 할지 알 수 없음.
오후 11:45 2004-05-27, kenial
2차 미팅
오전 10:00 2004-05-27, kenial
![[WWW]](http://kenial.net/wiki/img/moin-www.gif){kind=small}
r-project 개발 환경에 대해 조사.
; r 언어 및 (개발) 환경 - 통계 처리와 그래픽에 중점을 둠. s language의 gnu 버전으로 만들어졌으며(참고:s+는 s language의 개량판이며, 일반적인 s language의 코드는 큰 수정 없이 r-project 환경에서도 사용 가능) 기본적인 s 언어와 환경을 제공하는 것 외에 contributed packages 라는 형태로 외부 패키지를 추가함으로서 기능을 확장할 수 있다. 그 외에도 서브 프로젝트들을 갖고 있으며, gui 처리 환경을 제공하거나 graphical model을 쉽게 제작할 수 있는 목적의 프로젝트, 혹은 LaTex?를 이용해 출력가능한 형태의 문서를 만들어내는 패키지 등 여러 형태의 애드인이 제공됨.
MathML(Mathematical Markup Language) 관련 내용 정리할 것. 오후 6:35 2004-05-26, kenial
1차 미팅
; 입력 데이터 파서, 수식 데이터 저장/Equatation 출력/Graph 출력 클래스, Regression 프로세싱 모듈
기타분류 WorkBook