work on constructionModeles + main (2 levels or //isation)
[valse.git] / pkg / R / constructionModelesLassoRank.R
1 #' constructionModelesLassoRank
2 #'
3 #' TODO: description
4 #'
5 #' @param ...
6 #'
7 #' @return ...
8 #'
9 #' export
10 constructionModelesLassoRank = function(pi, rho, mini, maxi, X, Y, tau, A1, rangmin,
11 rangmax, ncores, verbose=FALSE)
12 {
13 #get matrix sizes
14 n = dim(X)[1]
15 p = dim(X)[2]
16 m = dim(rho)[2]
17 k = dim(rho)[3]
18 L = dim(A1)[2]
19
20 # On cherche les rangs possiblement intéressants
21 deltaRank = rangmax - rangmin + 1
22 Size = deltaRank^k
23 Rank = matrix(0, nrow=Size, ncol=k)
24 for(r in 1:k)
25 {
26 # On veut le tableau de toutes les combinaisons de rangs possibles
27 # Dans la première colonne : on répète (rangmax-rangmin)^(k-1) chaque chiffre :
28 # ça remplit la colonne
29 # Dans la deuxieme : on répète (rangmax-rangmin)^(k-2) chaque chiffre,
30 # et on fait ça (rangmax-rangmin)^2 fois
31 # ...
32 # Dans la dernière, on répète chaque chiffre une fois,
33 # et on fait ça (rangmin-rangmax)^(k-1) fois.
34 Rank[,r] = rangmin + rep(0:(deltaRank-1), deltaRank^(r-1), each=deltaRank^(k-r))
35 }
36
37 # output parameters
38 phi = array(0, dim=c(p,m,k,L*Size))
39 llh = matrix(0, L*Size, 2) #log-likelihood
40
41 # TODO: // loop
42 for(lambdaIndex in 1:L)
43 {
44 # on ne garde que les colonnes actives
45 # 'active' sera l'ensemble des variables informatives
46 active = A1[,lambdaIndex]
47 active = active[-(active==0)]
48 if (length(active) > 0)
49 {
50 for (j in 1:Size)
51 {
52 res = EMGrank(Pi[,lambdaIndex], Rho[,,,lambdaIndex], mini, maxi,
53 X[,active], Y, tau, Rank[j,])
54 llh[(lambdaIndex-1)*Size+j,] =
55 c( res$LLF, sum(Rank[j,] * (length(active)- Rank[j,] + m)) )
56 phi[active,,,(lambdaIndex-1)*Size+j] = res$phi
57 }
58 }
59 }
60 return (list("phi"=phi, "llh" = llh))
61 }