pkg/R/EMGLLF.R

   1 #' EMGLLF
   2 #'
   3 #' Description de EMGLLF
   4 #'
   5 #' @param phiInit Parametre initial de moyenne renormalisé
   6 #' @param rhoInit Parametre initial de variance renormalisé
   7 #' @param piInit Parametre initial des proportions
   8 #' @param gamInit Paramètre initial des probabilités a posteriori de chaque échantillon
   9 #' @param mini Nombre minimal d'itérations dans l'algorithme EM
  10 #' @param maxi Nombre maximal d'itérations dans l'algorithme EM
  11 #' @param gamma Puissance des proportions dans la pénalisation pour un Lasso adaptatif
  12 #' @param lambda Valeur du paramètre de régularisation du Lasso
  13 #' @param X Régresseurs
  14 #' @param Y Réponse
  15 #' @param tau Seuil pour accepter la convergence
  16 #'
  17 #' @return A list ... phi,rho,pi,LLF,S,affec:
  18 #'   phi : parametre de moyenne renormalisé, calculé par l'EM
  19 #'   rho : parametre de variance renormalisé, calculé par l'EM
  20 #'   pi : parametre des proportions renormalisé, calculé par l'EM
  21 #'   LLF : log vraisemblance associée à cet échantillon, pour les valeurs estimées des paramètres
  22 #'   S : ... affec : ...
  23 #'
  24 #' @export
  25 EMGLLF <- function(phiInit, rhoInit, piInit, gamInit,
  26     mini, maxi, gamma, lambda, X, Y, tau)
  27 {
  28     n = nrow(X) #nombre d'echantillons
  29     p = ncol(X) #nombre de covariables
  30     m = ncol(Y) #taille de Y (multivarié)
  31     k = length(piInit) #nombre de composantes dans le mélange
  32     .Call("EMGLLF",
  33         phiInit, rhoInit, piInit, gamInit, mini, maxi, gamma, lambda, X, Y, tau,
  34         phi=double(p*m*k), rho=double(m*m*k), pi=double(k), LLF=double(maxi),
  35             S=double(p*m*k), affec=integer(n),
  36         n, p, m, k,
  37         PACKAGE="valse")
  38 }