使用nls()拟合指数衰减模型：拟合失败或结果偏差求助

你的拟合结果偏差极大的核心问题是模型结构错误：你使用的exp(-k*incu_time)在时间为0时预测值为1，但你的数据中t≈0时结合率接近100，模型完全不符合数据的初始条件。正确的指数衰减模型需要加入初始振幅参数A，形式应为：

perc_binding = A * exp(-k*incu_time)

另外，你的数据未按时间排序，直接用lines()绘制拟合曲线会出现乱连的情况，需要先对数据排序。

具体解决步骤 #

1. 修正模型并设置合理初始值
   给模型加入初始振幅A，初始值可参考数据中最大的结合率（≈100）；k的初始值可根据数据衰减趋势估算（比如0.01）。

2. 排序数据
   按incu_time从小到大排序，确保拟合曲线的绘制逻辑正确。

3. 可选：线性化方法获取更稳定的初始值
   对模型两边取对数得到log(perc_binding) = log(A) - k*incu_time，先用线性回归拟合，再将结果转换为nls的初始值，能大幅提升拟合稳定性。

完整代码示例 #

library(tibble)

koff_dat <- tribble(
  ~incu_time, ~perc_binding,
  179.20634920634922, 3.94736842105263,
  120.47619047619048, 10.197368421052616,
  91.11111111111111,  18.09210526315789,
  60.95238095238095,  35.526315789473685,
  45.87301587301587,  31.25,
  30.793650793650798, 55.921052631578945, 
  16.50793650793652,  68.75,
  0.6349206349206398, 99.34210526315789
)

# 按时间排序数据
koff_dat_sorted <- koff_dat[order(koff_dat$incu_time), ]

# 方法1：直接用修正后的模型拟合
fit2 <- nls(perc_binding ~ A * exp(-k*incu_time), 
            data = koff_dat_sorted, 
            start = list(A = 100, k = 0.01))

# 方法2：用线性化获取初始值（更稳定）
lm_fit <- lm(log(perc_binding) ~ incu_time, data = koff_dat_sorted)
start_vals <- list(A = exp(coef(lm_fit)[1]), k = -coef(lm_fit)[2])
fit2 <- nls(perc_binding ~ A * exp(-k*incu_time), 
            data = koff_dat_sorted, 
            start = start_vals)

# 查看拟合结果
summary(fit2)

# 绘图
plot(perc_binding ~ incu_time, data = koff_dat_sorted)
lines(koff_dat_sorted$incu_time, predict(fit2), col = "red", lwd = 2)

效果说明 #

修正模型后，拟合曲线会与数据点高度贴合，参数k的估计值也会符合实际衰减趋势。你可以通过summary(fit2)查看参数的置信区间和拟合统计量，验证拟合质量。

内容的提问来源于stack exchange，提问作者PPenton