X-Git-Url: https://git.auder.net/?p=valse.git;a=blobdiff_plain;f=src%2Fsources%2FconstructionModelesLassoRank.c;h=eaa83c423f05dc1dd1f71c762962d3283c986867;hp=98c02d5876dfc343c27d6f893dc5c6d37b0c178b;hb=3ec579a0955aca0591a9e5c4d90c50b87f4f4609;hpb=552b00e200e8a990c1247989d29e98d4ae8679f3

diff --git a/src/sources/constructionModelesLassoRank.c b/src/sources/constructionModelesLassoRank.c
index 98c02d5..eaa83c4 100644
--- a/src/sources/constructionModelesLassoRank.c
+++ b/src/sources/constructionModelesLassoRank.c
@@ -6,54 +6,54 @@
 
 // TODO: comment on constructionModelesLassoRank purpose
 void constructionModelesLassoRank(
-	// IN parameters 
-	const Real* Pi,    // parametre initial des proportions
-	const Real* Rho,   // parametre initial de variance renormalisé
-	Int mini,       // nombre minimal d'itérations dans l'algorithme EM	
-	Int maxi,       // nombre maximal d'itérations dans l'algorithme EM
-	const Real* X,      // régresseurs
-	const Real* Y,      // réponse
-	Real tau,     // seuil pour accepter la convergence
-	const Int* A1,     // matrice des coefficients des parametres selectionnes
-	Int rangmin, 	//rang minimum autorisé
-	Int rangmax,	//rang maximum autorisé
+	// IN parameters
+	const double* Pi,// parametre initial des proportions
+	const double* Rho, // parametre initial de variance renormalisé
+	int mini, // nombre minimal d'itérations dans l'algorithme EM
+	int maxi, // nombre maximal d'itérations dans l'algorithme EM
+	const double* X,// régresseurs
+	const double* Y,// réponse
+	double tau, // seuil pour accepter la convergence
+	const int* A1, // matrice des coefficients des parametres selectionnes
+	int rangmin,	//rang minimum autorisé
+	int rangmax,	//rang maximum autorisé
 	// OUT parameters (all pointers, to be modified)
-	Real* phi,        // estimateur ainsi calculé par le Lasso
-    Real* lvraisemblance,      // estimateur ainsi calculé par le Lasso
-    // additional size parameters
-	mwSize n,              // taille de l'echantillon                
-	mwSize p,              // nombre de covariables
-	mwSize m,              // taille de Y (multivarié)
-	mwSize k,              // nombre de composantes
-	mwSize L)              // taille de glambda
+	double* phi,// estimateur ainsi calculé par le Lasso
+	double* lvraisemblance,// estimateur ainsi calculé par le Lasso
+	// additional size parameters
+	int n,// taille de l'echantillon
+	int p,// nombre de covariables
+	int m,// taille de Y (multivarié)
+	int k,// nombre de composantes
+	int L)// taille de glambda
 {
 	//On cherche les rangs possiblement intéressants
-	Int deltaRank = rangmax-rangmin+1;
-	mwSize Size = (mwSize)pow(deltaRank,k);
-	Int* Rank = (Int*)malloc(Size*k*sizeof(Int));
-    for (mwSize r=0; r<k; r++)
-    {
+	int deltaRank = rangmax-rangmin+1;
+	int Size = (int)pow(deltaRank,k);
+	int* Rank = (int*)malloc(Size*k*sizeof(int));
+for (int r=0; r<k; r++)
+{
 		//On veut le tableau de toutes les combinaisons de rangs possibles
 		//Dans la première colonne : on répète (rangmax-rangmin)^(k-1) chaque chiffre : ca remplit la colonne
 		//Dans la deuxieme : on répète (rangmax-rangmin)^(k-2) chaque chiffre, et on fait ca (rangmax-rangmin)^2 fois 
 		//...
 		//Dans la dernière, on répète chaque chiffre une fois, et on fait ca (rangmin-rangmax)^(k-1) fois.
-		Int indexInRank = 0;
-		Int value = 0;
+		int indexInRank = 0;
+		int value = 0;
 		while (indexInRank < Size)
 		{
-			for (Int u=0; u<pow(deltaRank,k-r-1); u++)
-				Rank[(indexInRank++)*k+r] = rangmin + value;
+			for (int u=0; u<pow(deltaRank,k-r-1); u++)
+				Rank[mi(indexInRank++,r,Size,k)] = rangmin + value;
 			value = (value+1) % deltaRank;
 		}
 	}
-	
+
 	//Initialize phi to zero, because unactive variables won't be assigned
-	for (mwSize i=0; i<p*m*k*L*Size; i++)
+	for (int i=0; i<p*m*k*L*Size; i++)
 		phi[i] = 0.0;
-	
+
 	//initiate parallel section
-	mwSize lambdaIndex;
+	int lambdaIndex;
 	omp_set_num_threads(OMP_NUM_THREADS);
 	#pragma omp parallel default(shared) private(lambdaIndex)
 	{
@@ -61,42 +61,42 @@ void constructionModelesLassoRank(
 	for (lambdaIndex=0; lambdaIndex<L; lambdaIndex++)
 	{
 		//On ne garde que les colonnes actives : active sera l'ensemble des variables informatives
-		Int* active = (Int*)malloc(p*sizeof(Int));
-		mwSize longueurActive = 0;
-		for (Int j=0; j<p; j++)
+		int* active = (int*)malloc(p*sizeof(int));
+		int longueurActive = 0;
+		for (int j=0; j<p; j++)
 		{
-			if (A1[j*L+lambdaIndex] != 0)
-				active[longueurActive++] = A1[j*L+lambdaIndex] - 1;
+			if (A1[mi(j,lambdaIndex,p,L)] != 0)
+				active[longueurActive++] = A1[mi(j,lambdaIndex,p,L)] - 1;
 		}
-		
+
 		if (longueurActive == 0)
 			continue;
-		
+
 		//from now on, longueurActive > 0
-		Real* phiLambda = (Real*)malloc(longueurActive*m*k*sizeof(Real));
-		Real LLF;
-		for (Int j=0; j<Size; j++)
+		double* phiLambda = (double*)malloc(longueurActive*m*k*sizeof(double));
+		double LLF;
+		for (int j=0; j<Size; j++)
 		{
 			//[phiLambda,LLF] = EMGrank(Pi(:,lambdaIndex),Rho(:,:,:,lambdaIndex),mini,maxi,X(:,active),Y,tau,Rank(j,:));
-			Int* rank = (Int*)malloc(k*sizeof(Int));
-			for (mwSize r=0; r<k; r++)
-				rank[r] = Rank[j*k+r];
-			Real* Xactive = (Real*)malloc(n*longueurActive*sizeof(Real));
-			for (mwSize i=0; i<n; i++)
+			int* rank = (int*)malloc(k*sizeof(int));
+			for (int r=0; r<k; r++)
+				rank[r] = Rank[mi(j,r,Size,k)];
+			double* Xactive = (double*)malloc(n*longueurActive*sizeof(double));
+			for (int i=0; i<n; i++)
 			{
-				for (mwSize jj=0; jj<longueurActive; jj++)
-					Xactive[i*longueurActive+jj] = X[i*p+active[jj]];
+				for (int jj=0; jj<longueurActive; jj++)
+					Xactive[mi(i,jj,n,longueurActive)] = X[mi(i,active[jj],n,p)];
 			}
-			Real* PiLambda = (Real*)malloc(k*sizeof(Real));
-			for (mwSize r=0; r<k; r++)
-				PiLambda[r] = Pi[r*L+lambdaIndex];
-			Real* RhoLambda = (Real*)malloc(m*m*k*sizeof(Real));
-			for (mwSize u=0; u<m; u++)
+			double* PiLambda = (double*)malloc(k*sizeof(double));
+			for (int r=0; r<k; r++)
+				PiLambda[r] = Pi[mi(r,lambdaIndex,k,L)];
+			double* RhoLambda = (double*)malloc(m*m*k*sizeof(double));
+			for (int u=0; u<m; u++)
 			{
-				for (mwSize v=0; v<m; v++)
+				for (int v=0; v<m; v++)
 				{
-					for (mwSize r=0; r<k; r++)
-						RhoLambda[u*m*k+v*k+r] = Rho[u*m*k*L+v*k*L+r*L+lambdaIndex];
+					for (int r=0; r<k; r++)
+						RhoLambda[ai(uu,v,r,m,m,k)] = Rho[ai4(u,v,r,lambdaIndex,m,m,k,L)];
 				}
 			}
 			EMGrank(PiLambda,RhoLambda,mini,maxi,Xactive,Y,tau,rank,
@@ -107,19 +107,19 @@ void constructionModelesLassoRank(
 			free(PiLambda);
 			free(RhoLambda);
 			//lvraisemblance((lambdaIndex-1)*Size+j,:) = [LLF, dot(Rank(j,:), length(active)-Rank(j,:)+m)];
-			lvraisemblance[(lambdaIndex*Size+j)*2] = LLF;
+			lvraisemblance[mi(lambdaIndex*Size+j,0,L*Size,2)] = LLF;
 			//dot(Rank(j,:), length(active)-Rank(j,:)+m)
-			Real dotProduct = 0.0;
-			for (mwSize r=0; r<k; r++)
-				dotProduct += Rank[j*k+r] * (longueurActive-Rank[j*k+r]+m);
-			lvraisemblance[(lambdaIndex*Size+j)*2+1] = dotProduct;
+			double dotProduct = 0.0;
+			for (int r=0; r<k; r++)
+				dotProduct += Rank[mi(j,r,Size,k)] * (longueurActive-Rank[mi(j,r,Size,k)]+m);
+			lvraisemblance[mi(lambdaIndex*Size+j,1,Size*L,2)] = dotProduct;
 			//phi(active,:,:,(lambdaIndex-1)*Size+j) = phiLambda;
-			for (mwSize jj=0; jj<longueurActive; jj++)
+			for (int jj=0; jj<longueurActive; jj++)
 			{
-				for (mwSize mm=0; mm<m; mm++)
+				for (int mm=0; mm<m; mm++)
 				{
-					for (mwSize r=0; r<k; r++)
-						phi[active[jj]*m*k*L*Size+mm*k*L*Size+r*L*Size+(lambdaIndex*Size+j)] = phiLambda[jj*m*k+mm*k+r];
+					for (int r=0; r<k; r++)
+						phi[ai5(active[jj],mm,r,lambdaIndex,j,p,m,k,L,Size)] = phiLambda[jj*m*k+mm*k+r];
 				}
 			}
 		}