X-Git-Url: https://git.auder.net/?p=valse.git;a=blobdiff_plain;f=src%2Fsources%2Fselectiontotale.c;h=3b2e015f4d33312b6a53050abc4af61dabe5f66d;hp=04ec0a4bce2a1b5b8316c9dd049d3b7ea93ab95d;hb=afa07d41c7592ac0ccd55d7af23c3bfef213291e;hpb=7ea8c1e58b3ab98eda5b003ccdffe5e35222bb4f diff --git a/src/sources/selectiontotale.c b/src/sources/selectiontotale.c index 04ec0a4..3b2e015 100644 --- a/src/sources/selectiontotale.c +++ b/src/sources/selectiontotale.c @@ -7,23 +7,23 @@ // Main job on raw inputs (after transformation from mxArray) void selectiontotale_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 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 int mini, // nombre minimal d'itérations dans lambdaIndex'algorithme EM int maxi, // nombre maximal d'itérations dans lambdaIndex'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 + 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 // OUT parameters (all pointers, to be modified) int* A1, // matrice des coefficients des parametres selectionnes int* A2, // matrice des coefficients des parametres non selectionnes - double* Rho,// estimateur ainsi calculé par le Lasso - double* Pi,// estimateur ainsi calculé par le Lasso + float* Rho,// estimateur ainsi calculé par le Lasso + float* Pi,// estimateur ainsi calculé par le Lasso // additional size parameters int n,// taille de lambdaIndex'echantillon int p,// nombre de covariables @@ -51,11 +51,11 @@ void selectiontotale_core( for (lambdaIndex=0; lambdaIndex maxPhi)