X-Git-Url: https://git.auder.net/?a=blobdiff_plain;f=pkg%2FR%2Fmain.R;h=695a23ffa782ec56ef2151c2b21a2481ed127a6d;hb=bb11d873bee8f9560b4b77a304d035be6a69f440;hp=6ff15b3585c7c7c41d6bca1cdd8e145f3da6d571;hpb=71a323e6bf09ec67567504c8cad25bfee5b5edce;p=valse.git

diff --git a/pkg/R/main.R b/pkg/R/main.R
index 6ff15b3..695a23f 100644
--- a/pkg/R/main.R
+++ b/pkg/R/main.R
@@ -26,8 +26,8 @@
 #' #TODO: a few examples
 #' @export
 valse = function(X, Y, procedure='LassoMLE', selecMod='DDSE', gamma=1, mini=10, maxi=50,
-	eps=1e-4, kmin=2, kmax=4, rang.min=1, rang.max=10, ncores_outer=1, ncores_inner=1,
-	size_coll_mod=50, fast=TRUE, verbose=FALSE)
+	eps=1e-4, kmin=2, kmax=4, rank.min=1, rank.max=10, ncores_outer=1, ncores_inner=1,
+	size_coll_mod=50, fast=TRUE, verbose=FALSE, plot = TRUE)
 {
   p = dim(X)[2]
   m = dim(Y)[2]
@@ -75,7 +75,7 @@ valse = function(X, Y, procedure='LassoMLE', selecMod='DDSE', gamma=1, mini=10,
       #compute parameter estimations, with the Maximum Likelihood
       #Estimator, restricted on selected variables.
       models <- constructionModelesLassoMLE(P$phiInit, P$rhoInit, P$piInit, P$gamInit,
-				mini, maxi, gamma, X, Y, thresh, eps, S, ncores_inner, artefact=1e3, fast, verbose)
+				mini, maxi, gamma, X, Y, thresh, eps, S, ncores_inner, fast, verbose)
     }
 		else
 		{
@@ -83,7 +83,7 @@ valse = function(X, Y, procedure='LassoMLE', selecMod='DDSE', gamma=1, mini=10,
 				print('run the procedure Lasso-Rank')
       #compute parameter estimations, with the Low Rank
       #Estimator, restricted on selected variables.
-      models <- constructionModelesLassoRank(S$Pi, S$Rho, mini, maxi, X, Y, eps, A1,
+      models <- constructionModelesLassoRank(S$Pi, S$Rho, mini, maxi, X, Y, eps, S,
 				rank.min, rank.max, ncores_inner, fast, verbose)
     }
 		#attention certains modeles sont NULL après selectVariables
@@ -112,16 +112,10 @@ valse = function(X, Y, procedure='LassoMLE', selecMod='DDSE', gamma=1, mini=10,
 		#Pour un groupe de modeles (même k, différents lambda):
 		LLH <- sapply( models, function(model) model$llh[1] )
 		k = length(models[[1]]$pi)
-		# TODO: chuis pas sûr du tout des lignes suivantes...
-		#       J'ai l'impression qu'il manque des infos 
-		## C'est surtout que la pénalité est la mauvaise, la c'est celle du Lasso, nous on veut ici
-		##celle de l'heuristique de pentes
-		#sumPen = sapply( models, function(model)
-		#	sum( model$pi^gamma * sapply(1:k, function(r) sum(abs(model$phi[,,r]))) ) )
 		sumPen = sapply(models, function(model)
 		  k*(dim(model$rho)[1]+sum(model$phi[,,1]!=0)+1)-1)
 		data.frame(model=paste(i,".",seq_along(models),sep=""),
-			pen=sumPen/n, complexity=sumPen, contrast=LLH)
+			pen=sumPen/n, complexity=sumPen, contrast=-LLH)
 	} ) )
 print(tableauRecap)
   modSel = capushe::capushe(tableauRecap, n)
@@ -137,6 +131,9 @@ print(tableauRecap)
 
   mod = as.character(tableauRecap[indModSel,1])
   listMod = as.integer(unlist(strsplit(mod, "[.]")))
+  if (plot){
+    print(plot_valse(models_list[[listMod[1]]][[listMod[2]]],n))
+  }
   models_list[[listMod[1]]][[listMod[2]]]
-  models_list
+  
 }