X-Git-Url: https://git.auder.net/?p=valse.git;a=blobdiff_plain;f=src%2Fsources%2FconstructionModelesLassoMLE.c;h=34e5808e37b6dda447190399d282266957251aa3;hp=a48f7d06fb3183e69c6cb1b6c9ca2d92afdf6d2d;hb=31ef8a5c9bbaefcf40d2c2bad43b27d469c28c34;hpb=afa07d41c7592ac0ccd55d7af23c3bfef213291e

diff --git a/src/sources/constructionModelesLassoMLE.c b/src/sources/constructionModelesLassoMLE.c
index a48f7d0..34e5808 100644
--- a/src/sources/constructionModelesLassoMLE.c
+++ b/src/sources/constructionModelesLassoMLE.c
@@ -7,25 +7,26 @@
 // TODO: comment on constructionModelesLassoMLE purpose
 void constructionModelesLassoMLE_core(
 	// IN parameters
-	const float* phiInit, // parametre initial de moyenne renormalisé
-	const float* rhoInit, // parametre initial de variance renormalisé
-	const float* piInit,// parametre initial des proportions
-	const float* 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
-	float gamma,// valeur de gamma : puissance des proportions dans la pénalisation pour un Lasso adaptatif
-	const float* glambda, // valeur des paramètres de régularisation du Lasso
-	const float* X, // régresseurs
-	const float* Y, // réponse
-	float seuil,// seuil pour prendre en compte une variable
-	float 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
-	float* phi,// estimateur ainsi calculé par le Lasso
-	float* rho,// estimateur ainsi calculé par le Lasso
-	float* pi, // estimateur ainsi calculé par le Lasso
-	float* 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
@@ -33,9 +34,15 @@ void constructionModelesLassoMLE_core(
 	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;
@@ -45,8 +52,7 @@ void constructionModelesLassoMLE_core(
 	#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++)
@@ -55,18 +61,21 @@ void constructionModelesLassoMLE_core(
 				a[lengthA++] = A1[ai(j,0,lambdaIndex,p,m+1,L)] - 1;
 		}
 		if (lengthA == 0)
+		{
+			free(a);
 			continue;
+		}
 
-		//Xa = X(:,a)
-		float* Xa = (float*)malloc(n*lengthA*sizeof(float));
+		//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,:,:)
-		float* phia = (float*)malloc(lengthA*m*k*sizeof(float));
+		//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++)
@@ -76,14 +85,13 @@ void constructionModelesLassoMLE_core(
 			}
 		}
 
-		//[phiLambda,rhoLambda,piLambda,~,~] = EMGLLF(...
-		//	phiInit(a,:,:),rhoInit,piInit,gamInit,mini,maxi,gamma,0,X(:,a),Y,tau);
-		float* phiLambda = (float*)malloc(lengthA*m*k*sizeof(float));
-		float* rhoLambda = (float*)malloc(m*m*k*sizeof(float));
-		float* piLambda = (float*)malloc(k*sizeof(float));
-		float* LLF = (float*)malloc((maxi+1)*sizeof(float));
-		float* S = (float*)malloc(lengthA*m*k*sizeof(float));
-		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);
@@ -91,19 +99,16 @@ void constructionModelesLassoMLE_core(
 		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++)
@@ -113,7 +118,6 @@ void constructionModelesLassoMLE_core(
 			}
 		}
 		free(rhoLambda);
-		//~ pi(:,lambdaIndex) = piLambda;
 		for (int r=0; r<k; r++)
 			pi[mi(r,lambdaIndex,k,L)] = piLambda[r];
 		free(piLambda);
@@ -122,29 +126,24 @@ void constructionModelesLassoMLE_core(
 		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)
@@ -154,19 +153,14 @@ void constructionModelesLassoMLE_core(
 		free(b);
 
 		int signum;
-		float* densite = (float*)calloc(L*n,sizeof(float));
-		float 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);
-		float* YiRhoR = (float*)malloc(m*sizeof(float));
-		float* XiPhiR = (float*)malloc(m*sizeof(float));
+		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]
@@ -176,7 +170,7 @@ void constructionModelesLassoMLE_core(
 						matrix->data[u*m+v] = rho[ai4(u,v,r,lambdaIndex,m,m,k,L)];
 				}
 				gsl_linalg_LU_decomp(matrix, permutation, &signum);
-				float 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++)
@@ -193,19 +187,21 @@ void constructionModelesLassoMLE_core(
 					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 >
-				float 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);