將資料擬合到具有已知漸近線的邏輯函數我的目標是將這些數據擬合到邏輯函數（例如 Logistic 3P）。時間y 變數表示比例，因此最大可能值為 100%。所以我需要將漸近線指定為 100%，因為模型給我的值超過了這個限制，而這在經驗上是不可能的（附圖）。
謝謝你的幫忙。
基礎資料分析與建模預測建模和機器學習回覆：將資料擬合到已知漸近線的邏輯函數僅從螢幕截圖很難判斷：您使用的是「擬合曲線」、「非線性」還是「FDE」平台？另外，是否可以共享一組匿名資料進行處理？
回覆：將資料擬合到已知漸近線的邏輯函數如果我理解正確的話，你需要擬合Logistic-2P，因為漸近線是已知的。
在這種情況下，您需要將資料標準化，使 Y 介於 0 和 1 之間。
之後，Logistic-2P 將可用：
縮放資料不應影響其他兩個參數估計值，即其餘兩個估計值相同。除非您想對給定「cp」的 Y 進行某種預測，否則您需要在使用擬合模型進行預測後縮小規模。
回覆：將資料擬合到已知漸近線的邏輯函數太感謝了！對於這種分析，我還有另一個疑問。
當我嘗試比較參數估計值時，出現以下錯誤：
當我嘗試進行自訂逆預測時，兩個變數的標準誤差很大（其他變數非常好）：
這兩種治療方法有可能無法建模嗎？有可能的解決方案嗎？它們是用箭頭標記的兩條曲線（黃色和紫色）。
感謝您對所有用戶的幫助！
回覆：將資料擬合到已知漸近線的邏輯函數這裡沒有足夠的信息，所以我無法判斷發生了什麼。從擬合曲線來看，我懷疑這兩者的成長率估計值相對較大。從逆預測來看，模型存在較大的不確定性。根據我在這裡看到的情況，我無法判斷不確定性來自哪裡。
回覆：將資料擬合到已知漸近線的邏輯函數您是否應該擔心這些曲線之間缺乏平行性？
回覆：將資料擬合到已知漸近線的邏輯函數謝謝彭老師的幫忙。
如果您願意，我可以向您傳遞一個匿名資料集來「玩」它，以發現這裡發生了什麼:)。
回覆：將資料擬合到已知漸近線的邏輯函數你好馬克，
沒那麼多，因為它們是不同的治療方法，每個人的反應都不同。如果您願意，我可以向您發送匿名資料集來進行調查:)。
非常感謝您的幫忙！
