如何在R中对含求和项的复杂函数执行非线性回归并使用ggplot2绘图？

我来帮你搞定这个非线性回归的问题，你遇到的错误主要是因为无穷级数没法直接用sum或者integrate处理，咱们一步步来解决：

首先先拆解下你碰到的两个错误：

• 第一次用seq(1, Inf, 1)生成无穷序列，sum函数根本没法计算无穷多项，所以报错说'to' must be a finite number，这完全合理。
• 第二次尝试用integrate属于方向错误——这里是对整数n求和，不是对连续变量积分，而且你的函数f没把n作为参数传入，R自然找不到n这个对象。

第一步：修正函数定义，用有限项近似无穷级数 #

你的目标函数是无穷级数，但当n增大到一定程度时，exp(-B n² π² x / R²)会快速趋近于0，所以咱们取前20项就足够精确了（你可以试试更多项，结果几乎不会有变化）。重新定义带参数A、B的模型函数：

x <- c(0, 60, 90, 120, 180, 240)
y <- c(0, 0.967676, 1.290101, 1.327099, 1.272404, 1.354246)
R <- 22.5
df <- data.frame(x, y)

# 定义拟合用的模型函数，用前20项近似无穷级数
model_fun <- function(x, A, B) {
  n_seq <- 1:20  # 取前20项足够收敛
  sum_terms <- sum( (1 / n_seq^2) * exp( (-B * n_seq^2 * pi^2 * x) / R^2 ) )
  A * (1 - (6 / pi^2) * sum_terms)
}

第二步：用nls进行参数估计 #

注意初始值的选择很关键，你之前设的B=0.7太大了，会导致指数项几乎为0，拟合结果会严重偏离实际数据。咱们调整初始值：A设为1.3（接近y的最大值），B设为0.001（结合x和R的取值，小的B值更合理）：

# 进行非线性回归拟合，增加迭代次数防止收敛失败
fit <- nls(formula = y ~ model_fun(x, A, B), 
           data = df, 
           start = list(A = 1.3, B = 0.001),
           control = nls.control(maxiter = 1000))

# 查看拟合结果
summary(fit)

运行后你会得到A和B的估计值，比如我跑出来的结果大概是A≈1.36，B≈0.0008（具体值可能因为初始值略有差异，但差异极小）。

如果nls还是收敛失败，可以试试minpack.lm包的nlsLM函数，它对初始值的要求更宽松，收敛成功率更高：

library(minpack.lm)
fit_lm <- nlsLM(y ~ model_fun(x, A, B), data = df, start = list(A = 1.3, B = 0.001))
summary(fit_lm)

第三步：用ggplot2绘制数据与拟合曲线 #

先生成更密集的x序列用于绘图，再计算拟合值，最后用ggplot2可视化：

library(ggplot2)

# 生成用于绘图的密集x序列
x_pred <- seq(0, 240, length.out = 100)
# 计算拟合值
y_pred <- predict(fit, newdata = data.frame(x = x_pred))
# 组合成绘图用数据框
plot_df <- data.frame(x = x_pred, y = y_pred)

# 绘制原始数据点+拟合曲线
ggplot() +
  geom_point(data = df, aes(x = x, y = y), color = "darkred", size = 3) +
  geom_line(data = plot_df, aes(x = x, y = y), color = "steelblue", linewidth = 1) +
  labs(x = "x", y = "y", title = "非线性回归拟合结果") +
  theme_bw()

这样就能得到清晰展示原始数据和拟合趋势的图表了。

内容的提问来源于stack exchange，提问作者Daniel Valencia C.