X-Git-Url: https://git.auder.net/?a=blobdiff_plain;f=src%2Fsources%2FconstructionModelesLassoMLE.c;h=ad2a71821b94a23cea46dd6ea66efc9c95358dcc;hb=c3bc47052f3ccb659659c59a82e9a99ea842398d;hp=272f01bcf7284826173c4cfad0d8d2bad4cb04d3;hpb=8e92c49c15bdacebf46190e7c8279bd227873928;p=valse.git

diff --git a/src/sources/constructionModelesLassoMLE.c b/src/sources/constructionModelesLassoMLE.c
index 272f01b..ad2a718 100644
--- a/src/sources/constructionModelesLassoMLE.c
+++ b/src/sources/constructionModelesLassoMLE.c
@@ -5,27 +5,27 @@
 #include <omp.h>
 
 // TODO: comment on constructionModelesLassoMLE purpose
-void constructionModelesLassoMLE(
+void constructionModelesLassoMLE_core(
 	// IN parameters
-	const double* phiInit, // parametre initial de moyenne renormalisé
-	const double* rhoInit, // parametre initial de variance renormalisé
-	const double* piInit,// parametre initial des proportions
-	const double* gamInit, // paramètre initial des probabilités a posteriori de chaque échantillon
+	const Real* phiInit, // parametre initial de moyenne renormalisé
+	const Real* rhoInit, // parametre initial de variance renormalisé
+	const Real* piInit,// parametre initial des proportions
+	const Real* gamInit, // paramètre initial des probabilités a posteriori de chaque échantillon
 	int mini,// nombre minimal d'itérations dans l'algorithme EM
 	int maxi,// nombre maximal d'itérations dans l'algorithme EM
-	double gamma,// valeur de gamma : puissance des proportions dans la pénalisation pour un Lasso adaptatif
-	const double* glambda, // valeur des paramètres de régularisation du Lasso
-	const double* X, // régresseurs
-	const double* Y, // réponse
-	double seuil,// seuil pour prendre en compte une variable
-	double tau,// seuil pour accepter la convergence
+	Real gamma,// valeur de gamma : puissance des proportions dans la pénalisation pour un Lasso adaptatif
+	const Real* glambda, // valeur des paramètres de régularisation du Lasso
+	const Real* X, // régresseurs
+	const Real* Y, // réponse
+	Real seuil,// seuil pour prendre en compte une variable
+	Real tau,// seuil pour accepter la convergence
 	const int* A1, // matrice des coefficients des parametres selectionnes
 	const int* A2, // matrice des coefficients des parametres non selectionnes
 	// OUT parameters
-	double* phi,// estimateur ainsi calculé par le Lasso
-	double* rho,// estimateur ainsi calculé par le Lasso
-	double* pi, // estimateur ainsi calculé par le Lasso
-	double* lvraisemblance, // estimateur ainsi calculé par le Lasso
+	Real* phi,// estimateur ainsi calculé par le Lasso
+	Real* rho,// estimateur ainsi calculé par le Lasso
+	Real* pi, // estimateur ainsi calculé par le Lasso
+	Real* llh, // estimateur ainsi calculé par le Lasso
 	// additional size parameters
 	int n, // taille de l'echantillon
 	int p, // nombre de covariables
@@ -58,7 +58,7 @@ void constructionModelesLassoMLE(
 			continue;
 
 		//Xa = X(:,a)
-		double* Xa = (double*)malloc(n*lengthA*sizeof(double));
+		Real* Xa = (Real*)malloc(n*lengthA*sizeof(Real));
 		for (int i=0; i<n; i++)
 		{
 			for (int j=0; j<lengthA; j++)
@@ -66,7 +66,7 @@ void constructionModelesLassoMLE(
 		}
 
 		//phia = phiInit(a,:,:)
-		double* phia = (double*)malloc(lengthA*m*k*sizeof(double));
+		Real* phia = (Real*)malloc(lengthA*m*k*sizeof(Real));
 		for (int j=0; j<lengthA; j++)
 		{
 			for (int mm=0; mm<m; mm++)
@@ -78,12 +78,12 @@ void constructionModelesLassoMLE(
 
 		//[phiLambda,rhoLambda,piLambda,~,~] = EMGLLF(...
 		//	phiInit(a,:,:),rhoInit,piInit,gamInit,mini,maxi,gamma,0,X(:,a),Y,tau);
-		double* phiLambda = (double*)malloc(lengthA*m*k*sizeof(double));
-		double* rhoLambda = (double*)malloc(m*m*k*sizeof(double));
-		double* piLambda = (double*)malloc(k*sizeof(double));
-		double* LLF = (double*)malloc((maxi+1)*sizeof(double));
-		double* S = (double*)malloc(lengthA*m*k*sizeof(double));
-		EMGLLF(phia,rhoInit,piInit,gamInit,mini,maxi,gamma,0.0,Xa,Y,tau,
+		Real* phiLambda = (Real*)malloc(lengthA*m*k*sizeof(Real));
+		Real* rhoLambda = (Real*)malloc(m*m*k*sizeof(Real));
+		Real* piLambda = (Real*)malloc(k*sizeof(Real));
+		Real* LLF = (Real*)malloc((maxi+1)*sizeof(Real));
+		Real* S = (Real*)malloc(lengthA*m*k*sizeof(Real));
+		EMGLLF_core(phia,rhoInit,piInit,gamInit,mini,maxi,gamma,0.0,Xa,Y,tau,
 			phiLambda,rhoLambda,piLambda,LLF,S,
 			n,lengthA,m,k);
 		free(Xa);
@@ -138,7 +138,7 @@ void constructionModelesLassoMLE(
 				for (int mm=0; mm<lengthB; mm++)
 				{
 					for (int r=0; r<k; r++)
-						phi[ai( A2[ai4(j,0,lambdaIndex,p,m+1,L)]-1, b[mm], r, lambdaIndex, p, m, k, L)] = 0.0;
+						phi[ai4( A2[ai(j,0,lambdaIndex,p,m+1,L)]-1, b[mm], r, lambdaIndex, p, m, k, L)] = 0.;
 				}
 			}
 
@@ -154,12 +154,12 @@ void constructionModelesLassoMLE(
 		free(b);
 
 		int signum;
-		double* densite = (double*)calloc(L*n,sizeof(double));
-		double sumLogDensit = 0.0;
+		Real* densite = (Real*)calloc(L*n,sizeof(Real));
+		Real sumLogDensit = 0.0;
 		gsl_matrix* matrix = gsl_matrix_alloc(m, m);
 		gsl_permutation* permutation = gsl_permutation_alloc(m);
-		double* YiRhoR = (double*)malloc(m*sizeof(double));
-		double* XiPhiR = (double*)malloc(m*sizeof(double));
+		Real* YiRhoR = (Real*)malloc(m*sizeof(Real));
+		Real* XiPhiR = (Real*)malloc(m*sizeof(Real));
 		for (int i=0; i<n; i++)
 		{
 			//~ for r=1:k
@@ -176,7 +176,7 @@ void constructionModelesLassoMLE(
 						matrix->data[u*m+v] = rho[ai4(u,v,r,lambdaIndex,m,m,k,L)];
 				}
 				gsl_linalg_LU_decomp(matrix, permutation, &signum);
-				double detRhoR = gsl_linalg_LU_det(matrix, signum);
+				Real detRhoR = gsl_linalg_LU_det(matrix, signum);
 
 				//compute Y(i,:)*rho(:,:,r,lambdaIndex)
 				for (int u=0; u<m; u++)
@@ -196,7 +196,7 @@ void constructionModelesLassoMLE(
 				// On peut remplacer X par Xa dans ce dernier calcul, mais je ne sais pas si c'est intéressant ...
 
 				// compute dotProduct < delta . delta >
-				double dotProduct = 0.0;
+				Real dotProduct = 0.0;
 				for (int u=0; u<m; u++)
 					dotProduct += (YiRhoR[u]-XiPhiR[u]) * (YiRhoR[u]-XiPhiR[u]);
 
@@ -204,8 +204,8 @@ void constructionModelesLassoMLE(
 			}
 			sumLogDensit += log(densite[lambdaIndex*n+i]);
 		}
-		lvraisemblance[mi(lambdaIndex,0,L,2)] = sumLogDensit;
-		lvraisemblance[mi(lambdaIndex,1,L,2)] = (dimension+m+1)*k-1;
+		llh[mi(lambdaIndex,0,L,2)] = sumLogDensit;
+		llh[mi(lambdaIndex,1,L,2)] = (dimension+m+1)*k-1;
 
 		free(a);
 		free(YiRhoR);