// TODO: comment on constructionModelesLassoMLE purpose
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
int k, // nombre de composantes
int L) // taille de glambda
{
- //preparation: phi = 0
+ //preparation: phi,rho,pi = 0, llh=+Inf
for (int u=0; u<p*m*k*L; u++)
- phi[u] = 0.0;
+ phi[u] = 0.;
+ for (int u=0; u<m*m*k*L; u++)
+ rho[u] = 0.;
+ for (int u=0; u<k*L; u++)
+ pi[u] = 0.;
+ for (int u=0; u<L*2; u++)
+ llh[u] = INFINITY;
//initiate parallel section
int lambdaIndex;
#pragma omp for schedule(dynamic,CHUNK_SIZE) nowait
for (lambdaIndex=0; lambdaIndex<L; lambdaIndex++)
{
- //~ a = A1(:,1,lambdaIndex);
- //~ a(a==0) = [];
+ //a = A1[,1,lambdaIndex] ; a = a[a!=0]
int* a = (int*)malloc(p*sizeof(int));
int lengthA = 0;
for (int j=0; j<p; j++)
a[lengthA++] = A1[ai(j,0,lambdaIndex,p,m+1,L)] - 1;
}
if (lengthA == 0)
+ {
+ free(a);
continue;
+ }
- //Xa = X(:,a)
- double* Xa = (double*)malloc(n*lengthA*sizeof(double));
+ //Xa = X[,a]
+ Real* Xa = (Real*)malloc(n*lengthA*sizeof(Real));
for (int i=0; i<n; i++)
{
for (int j=0; j<lengthA; j++)
Xa[mi(i,j,n,lengthA)] = X[mi(i,a[j],n,p)];
}
- //phia = phiInit(a,:,:)
- double* phia = (double*)malloc(lengthA*m*k*sizeof(double));
+ //phia = phiInit[a,,]
+ Real* phia = (Real*)malloc(lengthA*m*k*sizeof(Real));
for (int j=0; j<lengthA; j++)
{
for (int mm=0; mm<m; mm++)
}
}
- //[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_core(phia,rhoInit,piInit,gamInit,mini,maxi,gamma,0.0,Xa,Y,tau,
+ //Call to EMGLLF
+ 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.,Xa,Y,tau,
phiLambda,rhoLambda,piLambda,LLF,S,
n,lengthA,m,k);
free(Xa);
free(LLF);
free(S);
- //~ for j=1:length(a)
- //~ phi(a(j),:,:,lambdaIndex) = phiLambda(j,:,:);
- //~ end
+ //Assign results to current variables
for (int j=0; j<lengthA; j++)
{
for (int mm=0; mm<m; mm++)
{
for (int r=0; r<k; r++)
- phi[ai4(a[j],mm,r,lambdaIndex,p,m,k,L)] = phiLambda[ai(j,mm,r,p,m,k)];
+ phi[ai4(a[j],mm,r,lambdaIndex,p,m,k,L)] = phiLambda[ai(j,mm,r,lengthA,m,k)];
}
}
free(phiLambda);
- //~ rho(:,:,:,lambdaIndex) = rhoLambda;
for (int u=0; u<m; u++)
{
for (int v=0; v<m; v++)
}
}
free(rhoLambda);
- //~ pi(:,lambdaIndex) = piLambda;
for (int r=0; r<k; r++)
pi[mi(r,lambdaIndex,k,L)] = piLambda[r];
free(piLambda);
int* b = (int*)malloc(m*sizeof(int));
for (int j=0; j<p; j++)
{
- //~ b = A2(j,2:end,lambdaIndex);
- //~ b(b==0) = [];
+ //b = A2[j,2:dim(A2)[2],lambdaIndex] ; b = b[b!=0]
int lengthB = 0;
for (int mm=0; mm<m; mm++)
{
if (A2[ai(j,mm+1,lambdaIndex,p,m+1,L)] != 0)
b[lengthB++] = A2[ai(j,mm+1,lambdaIndex,p,m+1,L)] - 1;
}
- //~ if length(b) > 0
- //~ phi(A2(j,1,lambdaIndex),b,:,lambdaIndex) = 0.0;
- //~ end
if (lengthB > 0)
{
+ //phi[A2[j,1,lambdaIndex],b,,lambdaIndex] = 0.
for (int mm=0; mm<lengthB; mm++)
{
for (int r=0; r<k; r++)
- phi[ai4( A2[ai(j,0,lambdaIndex,p,m+1,L)]-1, b[mm], r, lambdaIndex, p, m, k, L)] = 0.;
+ phi[ai4(A2[ai(j,0,lambdaIndex,p,m+1,L)]-1, b[mm], r, lambdaIndex, p, m, k, L)] = 0.;
}
}
- //~ c = A1(j,2:end,lambdaIndex);
- //~ c(c==0) = [];
- //~ dimension = dimension + length(c);
+ //c = A1[j,2:dim(A1)[2],lambdaIndex] ; dimension = dimension + sum(c!=0)
for (int mm=0; mm<m; mm++)
{
if (A1[ai(j,mm+1,lambdaIndex,p,m+1,L)] != 0)
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
- //~ delta = Y(i,:)*rho(:,:,r,lambdaIndex) - (X(i,a)*(phi(a,:,r,lambdaIndex)));
- //~ densite(i,lambdaIndex) = densite(i,lambdaIndex) +...
- //~ pi(r,lambdaIndex)*det(rho(:,:,r,lambdaIndex))/(sqrt(2*PI))^m*exp(-dot(delta,delta)/2.0);
- //~ end
for (int r=0; r<k; r++)
{
//compute det(rho(:,:,r,lambdaIndex)) [TODO: avoid re-computations]
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++)
for (int v=0; v<lengthA; v++)
XiPhiR[u] += X[mi(i,a[v],n,p)] * phi[ai4(a[v],u,r,lambdaIndex,p,m,k,L)];
}
- // On peut remplacer X par Xa dans ce dernier calcul, mais je ne sais pas si c'est intéressant ...
+ // NOTE: 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]);
- densite[mi(lambdaIndex,i,L,n)] += (pi[mi(r,lambdaIndex,k,L)]*detRhoR/pow(sqrt(2.0*M_PI),m))*exp(-dotProduct/2.0);
+ densite[mi(lambdaIndex,i,L,n)] +=
+ (pi[mi(r,lambdaIndex,k,L)]*detRhoR/pow(sqrt(2.0*M_PI),m))*exp(-dotProduct/2.0);
}
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);
projects / valse.git / blobdiff