finished a.EMGLLF.c [to test] ; fix indices in EMGLLF.c [by cols]
[valse.git] / src / sources / constructionModelesLassoRank.c
CommitLineData
1d3c1faa
BA
1#include "EMGrank.h"
2#include "constructionModelesLassoRank.h"
3#include <gsl/gsl_linalg.h>
4#include <omp.h>
5#include "omp_num_threads.h"
6
7// TODO: comment on constructionModelesLassoRank purpose
8void constructionModelesLassoRank(
9 // IN parameters
10 const Real* Pi, // parametre initial des proportions
11 const Real* Rho, // parametre initial de variance renormalisé
12 Int mini, // nombre minimal d'itérations dans l'algorithme EM
13 Int maxi, // nombre maximal d'itérations dans l'algorithme EM
14 const Real* X, // régresseurs
15 const Real* Y, // réponse
16 Real tau, // seuil pour accepter la convergence
17 const Int* A1, // matrice des coefficients des parametres selectionnes
18 Int rangmin, //rang minimum autorisé
19 Int rangmax, //rang maximum autorisé
20 // OUT parameters (all pointers, to be modified)
21 Real* phi, // estimateur ainsi calculé par le Lasso
22 Real* lvraisemblance, // estimateur ainsi calculé par le Lasso
23 // additional size parameters
24 mwSize n, // taille de l'echantillon
25 mwSize p, // nombre de covariables
26 mwSize m, // taille de Y (multivarié)
27 mwSize k, // nombre de composantes
28 mwSize L) // taille de glambda
29{
30 //On cherche les rangs possiblement intéressants
31 Int deltaRank = rangmax-rangmin+1;
32 mwSize Size = (mwSize)pow(deltaRank,k);
33 Int* Rank = (Int*)malloc(Size*k*sizeof(Int));
34 for (mwSize r=0; r<k; r++)
35 {
36 //On veut le tableau de toutes les combinaisons de rangs possibles
37 //Dans la première colonne : on répète (rangmax-rangmin)^(k-1) chaque chiffre : ca remplit la colonne
38 //Dans la deuxieme : on répète (rangmax-rangmin)^(k-2) chaque chiffre, et on fait ca (rangmax-rangmin)^2 fois
39 //...
40 //Dans la dernière, on répète chaque chiffre une fois, et on fait ca (rangmin-rangmax)^(k-1) fois.
41 Int indexInRank = 0;
42 Int value = 0;
43 while (indexInRank < Size)
44 {
45 for (Int u=0; u<pow(deltaRank,k-r-1); u++)
46 Rank[(indexInRank++)*k+r] = rangmin + value;
47 value = (value+1) % deltaRank;
48 }
49 }
50
51 //Initialize phi to zero, because unactive variables won't be assigned
52 for (mwSize i=0; i<p*m*k*L*Size; i++)
53 phi[i] = 0.0;
54
55 //initiate parallel section
56 mwSize lambdaIndex;
57 omp_set_num_threads(OMP_NUM_THREADS);
58 #pragma omp parallel default(shared) private(lambdaIndex)
59 {
60 #pragma omp for schedule(dynamic,CHUNK_SIZE) nowait
61 for (lambdaIndex=0; lambdaIndex<L; lambdaIndex++)
62 {
63 //On ne garde que les colonnes actives : active sera l'ensemble des variables informatives
64 Int* active = (Int*)malloc(p*sizeof(Int));
65 mwSize longueurActive = 0;
66 for (Int j=0; j<p; j++)
67 {
68 if (A1[j*L+lambdaIndex] != 0)
69 active[longueurActive++] = A1[j*L+lambdaIndex] - 1;
70 }
71
72 if (longueurActive == 0)
73 continue;
74
75 //from now on, longueurActive > 0
76 Real* phiLambda = (Real*)malloc(longueurActive*m*k*sizeof(Real));
77 Real LLF;
78 for (Int j=0; j<Size; j++)
79 {
80 //[phiLambda,LLF] = EMGrank(Pi(:,lambdaIndex),Rho(:,:,:,lambdaIndex),mini,maxi,X(:,active),Y,tau,Rank(j,:));
81 Int* rank = (Int*)malloc(k*sizeof(Int));
82 for (mwSize r=0; r<k; r++)
83 rank[r] = Rank[j*k+r];
84 Real* Xactive = (Real*)malloc(n*longueurActive*sizeof(Real));
85 for (mwSize i=0; i<n; i++)
86 {
87 for (mwSize jj=0; jj<longueurActive; jj++)
88 Xactive[i*longueurActive+jj] = X[i*p+active[jj]];
89 }
90 Real* PiLambda = (Real*)malloc(k*sizeof(Real));
91 for (mwSize r=0; r<k; r++)
92 PiLambda[r] = Pi[r*L+lambdaIndex];
93 Real* RhoLambda = (Real*)malloc(m*m*k*sizeof(Real));
94 for (mwSize u=0; u<m; u++)
95 {
96 for (mwSize v=0; v<m; v++)
97 {
98 for (mwSize r=0; r<k; r++)
99 RhoLambda[u*m*k+v*k+r] = Rho[u*m*k*L+v*k*L+r*L+lambdaIndex];
100 }
101 }
102 EMGrank(PiLambda,RhoLambda,mini,maxi,Xactive,Y,tau,rank,
103 phiLambda,&LLF,
104 n,longueurActive,m,k);
105 free(rank);
106 free(Xactive);
107 free(PiLambda);
108 free(RhoLambda);
109 //lvraisemblance((lambdaIndex-1)*Size+j,:) = [LLF, dot(Rank(j,:), length(active)-Rank(j,:)+m)];
110 lvraisemblance[(lambdaIndex*Size+j)*2] = LLF;
111 //dot(Rank(j,:), length(active)-Rank(j,:)+m)
112 Real dotProduct = 0.0;
113 for (mwSize r=0; r<k; r++)
114 dotProduct += Rank[j*k+r] * (longueurActive-Rank[j*k+r]+m);
115 lvraisemblance[(lambdaIndex*Size+j)*2+1] = dotProduct;
116 //phi(active,:,:,(lambdaIndex-1)*Size+j) = phiLambda;
117 for (mwSize jj=0; jj<longueurActive; jj++)
118 {
119 for (mwSize mm=0; mm<m; mm++)
120 {
121 for (mwSize r=0; r<k; r++)
122 phi[active[jj]*m*k*L*Size+mm*k*L*Size+r*L*Size+(lambdaIndex*Size+j)] = phiLambda[jj*m*k+mm*k+r];
123 }
124 }
125 }
126 free(active);
127 free(phiLambda);
128 }
129 }
130 free(Rank);
131}