r - 在 R 中使用 nls2::nls2 时无法抑制警告或消息

Question

我试图将大约 100 个数据集拟合到一个三指数衰减公式中，但这些数据通常拟合得不太好。很好，但我似乎无法抑制由此产生的大量警告。由于这是 Markdown 脚本的一部分，最后，我得到了一页又一页的重复警告消息。

这是我的数据示例，我将其命名为 DF:

structure(list(Time_min = c(19, 34, 49, 64, 94, 124, 154, 184, 
214, 244, 304), Concentration = c(477.08, 284.26, 189.16, 134.66, 
74.32, 53.04, 28.16, 16.78, 9.24, 8.7, 4.42)), row.names = c(NA, 
-11L), class = "data.frame")

这是我尝试过的一个例子:

StartGuess <- data.frame(A = c(100, 500),
                         alpha = c(0.01, 0.5),
                         B = c(100, 500),
                         beta = c(0.001, 0.05),
                         G = c(10, 100),
                         gamma = c(0.0001, 0.01))

suppressMessages(nls2::nls2(Concentration ~ A * exp(-alpha * Time_min) +
                            B * exp(-beta * Time_min) +
                            G * exp(-gamma * Time_min), 
                      data = DF, start = StartGuess))

suppressWarnings(nls2::nls2(Concentration ~ A * exp(-alpha * Time_min) +
                            B * exp(-beta * Time_min) +
                            G * exp(-gamma * Time_min), 
                      data = DF, start = StartGuess))


suppressWarnings(
      suppressMessages(nls2::nls2(Concentration ~ A * exp(-alpha * Time_min) +
                                  B * exp(-beta * Time_min) +
                                  G * exp(-gamma * Time_min), 
                            data = DF, start = StartGuess)))

无论我如何尝试抑制，我都会得到一个 loooooooonnnnnggg 错误列表，例如:

Error in numericDeriv(form[[3L]], names(ind), env) : 
  Missing value or an infinity produced when evaluating the model
Error in (function (formula, data = parent.frame(), start, control = nls.control(),  : 
  singular gradient

明确地说，我期待消息和错误，因为我知道我经常缺乏足够的数据来充分描述三指数衰减，但应该有一些方式压制所有这些警告，不应该吗？

Answer 1

我将建议结合使用 capture.output(type="message", ...) 和 try()。仅 try()(或 tryCatch())无法捕获所有消息，因为它们是从 nls2::nls2 ...

cc <- capture.output(type="message",
         res <- try(nls2::nls2(Concentration ~ A * exp(-alpha * Time_min) +
                      B * exp(-beta * Time_min) +
                      G * exp(-gamma * Time_min), 
                      data = DF, start = StartGuess),
    silent=TRUE)
)

在这种情况下，res 最终成为 try-error 类型的对象:您可以通过测试 if (inherits( res,"尝试错误")) ...

[1] "Error in result[[which.min(ss)]] : \n  attempt to select less than one element in get1index\n"
attr(,"class")
[1] "try-error"
attr(,"condition")
<simpleError in result[[which.min(ss)]]: attempt to select less than one element in get1index>