+#global ignores
.Rhistory
.RData
-*.o
-*.so
+*.swp
+*~
--- /dev/null
+#ignore object files, library and test executables
+*.o
+*.so
+test.*
+!test.*.c
// TODO: don't recompute indexes every time......
void EMGLLF_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 l'algorithme EM
int maxi, // nombre maximal d'itérations dans l'algorithme EM
- double gamma, // puissance des proportions dans la pénalisation pour un Lasso adaptatif
- double lambda, // valeur du paramètre de régularisation du Lasso
- const double* X, // régresseurs
- const double* Y, // réponse
- double tau, // seuil pour accepter la convergence
+ float gamma, // puissance des proportions dans la pénalisation pour un Lasso adaptatif
+ float lambda, // valeur du paramètre de régularisation du Lasso
+ const float* X, // régresseurs
+ const float* Y, // réponse
+ float tau, // seuil pour accepter la convergence
// OUT parameters (all pointers, to be modified)
- double* phi, // parametre de moyenne renormalisé, calculé par l'EM
- double* rho, // parametre de variance renormalisé, calculé par l'EM
- double* pi, // parametre des proportions renormalisé, calculé par l'EM
- double* LLF, // log vraisemblance associée à cet échantillon, pour les valeurs estimées des paramètres
- double* S,
+ float* phi, // parametre de moyenne renormalisé, calculé par l'EM
+ float* rho, // parametre de variance renormalisé, calculé par l'EM
+ float* pi, // parametre des proportions renormalisé, calculé par l'EM
+ float* LLF, // log vraisemblance associée à cet échantillon, pour les valeurs estimées des paramètres
+ float* S,
// additional size parameters
int n, // nombre d'echantillons
int p, // nombre de covariables
//Other local variables
//NOTE: variables order is always [maxi],n,p,m,k
- double* gam = (double*)malloc(n*k*sizeof(double));
+ float* gam = (float*)malloc(n*k*sizeof(float));
copyArray(gamInit, gam, n*k);
- double* b = (double*)malloc(k*sizeof(double));
- double* Phi = (double*)malloc(p*m*k*sizeof(double));
- double* Rho = (double*)malloc(m*m*k*sizeof(double));
- double* Pi = (double*)malloc(k*sizeof(double));
- double* gam2 = (double*)malloc(k*sizeof(double));
- double* pi2 = (double*)malloc(k*sizeof(double));
- double* Gram2 = (double*)malloc(p*p*k*sizeof(double));
- double* ps = (double*)malloc(m*k*sizeof(double));
- double* nY2 = (double*)malloc(m*k*sizeof(double));
- double* ps1 = (double*)malloc(n*m*k*sizeof(double));
- double* ps2 = (double*)malloc(p*m*k*sizeof(double));
- double* nY21 = (double*)malloc(n*m*k*sizeof(double));
- double* Gam = (double*)malloc(n*k*sizeof(double));
- double* X2 = (double*)malloc(n*p*k*sizeof(double));
- double* Y2 = (double*)malloc(n*m*k*sizeof(double));
+ float* b = (float*)malloc(k*sizeof(float));
+ float* Phi = (float*)malloc(p*m*k*sizeof(float));
+ float* Rho = (float*)malloc(m*m*k*sizeof(float));
+ float* Pi = (float*)malloc(k*sizeof(float));
+ float* gam2 = (float*)malloc(k*sizeof(float));
+ float* pi2 = (float*)malloc(k*sizeof(float));
+ float* Gram2 = (float*)malloc(p*p*k*sizeof(float));
+ float* ps = (float*)malloc(m*k*sizeof(float));
+ float* nY2 = (float*)malloc(m*k*sizeof(float));
+ float* ps1 = (float*)malloc(n*m*k*sizeof(float));
+ float* ps2 = (float*)malloc(p*m*k*sizeof(float));
+ float* nY21 = (float*)malloc(n*m*k*sizeof(float));
+ float* Gam = (float*)malloc(n*k*sizeof(float));
+ float* X2 = (float*)malloc(n*p*k*sizeof(float));
+ float* Y2 = (float*)malloc(n*m*k*sizeof(float));
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));
- double dist = 0.;
- double dist2 = 0.;
+ float* YiRhoR = (float*)malloc(m*sizeof(float));
+ float* XiPhiR = (float*)malloc(m*sizeof(float));
+ float dist = 0.;
+ float dist2 = 0.;
int ite = 0;
- double EPS = 1e-15;
- double* dotProducts = (double*)malloc(k*sizeof(double));
+ float EPS = 1e-15;
+ float* dotProducts = (float*)malloc(k*sizeof(float));
while (ite < mini || (ite < maxi && (dist >= tau || dist2 >= sqrt(tau))))
{
//ps2(:,mm,r)=transpose(X2(:,:,r))*Y2(:,mm,r);
for (int u=0; u<p; u++)
{
- double dotProduct = 0.;
+ float dotProduct = 0.;
for (int v=0; v<n; v++)
dotProduct += X2[ai(v,u,r,n,m,k)] * Y2[ai(v,mm,r,n,m,k)];
ps2[ai(u,mm,r,n,m,k)] = dotProduct;
for (int s=0; s<p; s++)
{
//Gram2(j,s,r)=transpose(X2(:,j,r))*(X2(:,s,r));
- double dotProduct = 0.;
+ float dotProduct = 0.;
for (int u=0; u<n; u++)
dotProduct += X2[ai(u,j,r,n,p,k)] * X2[ai(u,s,r,n,p,k)];
Gram2[ai(j,s,r,p,p,k)] = dotProduct;
for (int r=0; r<k; r++)
{
//b(r) = sum(sum(abs(phi(:,:,r))));
- double sumAbsPhi = 0.;
+ float sumAbsPhi = 0.;
for (int u=0; u<p; u++)
for (int v=0; v<m; v++)
sumAbsPhi += fabs(phi[ai(u,v,r,p,m,k)]);
//gam2 = sum(gam,1);
for (int u=0; u<k; u++)
{
- double sumOnColumn = 0.;
+ float sumOnColumn = 0.;
for (int v=0; v<n; v++)
sumOnColumn += gam[mi(v,u,n,k)];
gam2[u] = sumOnColumn;
}
//a=sum(gam*transpose(log(pi)));
- double a = 0.;
+ float a = 0.;
for (int u=0; u<n; u++)
{
- double dotProduct = 0.;
+ float dotProduct = 0.;
for (int v=0; v<k; v++)
dotProduct += gam[mi(u,v,n,k)] * log(pi[v]);
a += dotProduct;
//tant que les proportions sont negatives
int kk = 0;
int pi2AllPositive = 0;
- double invN = 1./n;
+ float invN = 1./n;
while (!pi2AllPositive)
{
//pi2(:)=pi(:)+0.1^kk*(1/n*gam2(:)-pi(:));
//t(m) la plus grande valeur dans la grille O.1^k tel que ce soit décroissante ou constante
//(pi.^gamma)*b
- double piPowGammaDotB = 0.;
+ float piPowGammaDotB = 0.;
for (int v=0; v<k; v++)
piPowGammaDotB += pow(pi[v],gamma) * b[v];
//(pi2.^gamma)*b
- double pi2PowGammaDotB = 0.;
+ float pi2PowGammaDotB = 0.;
for (int v=0; v<k; v++)
pi2PowGammaDotB += pow(pi2[v],gamma) * b[v];
//transpose(gam2)*log(pi2)
- double prodGam2logPi2 = 0.;
+ float prodGam2logPi2 = 0.;
for (int v=0; v<k; v++)
prodGam2logPi2 += gam2[v] * log(pi2[v]);
while (-invN*a + lambda*piPowGammaDotB < -invN*prodGam2logPi2 + lambda*pi2PowGammaDotB
prodGam2logPi2 += gam2[v] * log(pi2[v]);
kk++;
}
- double t = pow(0.1,kk);
+ float t = pow(0.1,kk);
//sum(pi+t*(pi2-pi))
- double sumPiPlusTbyDiff = 0.;
+ float sumPiPlusTbyDiff = 0.;
for (int v=0; v<k; v++)
sumPiPlusTbyDiff += (pi[v] + t*(pi2[v] - pi[v]));
//pi=(pi+t*(pi2-pi))/sum(pi+t*(pi2-pi));
for (int i=0; i<n; i++)
{
//< X2(i,:,r) , phi(:,mm,r) >
- double dotProduct = 0.0;
+ float dotProduct = 0.0;
for (int u=0; u<p; u++)
dotProduct += X2[ai(i,u,r,n,p,k)] * phi[ai(u,mm,r,n,m,k)];
//ps1(i,mm,r)=Y2(i,mm,r)*dot(X2(i,:,r),phi(:,mm,r));
nY21[ai(i,mm,r,n,m,k)] = Y2[ai(i,mm,r,n,m,k)] * Y2[ai(i,mm,r,n,m,k)];
}
//ps(mm,r)=sum(ps1(:,mm,r));
- double sumPs1 = 0.0;
+ float sumPs1 = 0.0;
for (int u=0; u<n; u++)
sumPs1 += ps1[ai(u,mm,r,n,m,k)];
ps[mi(mm,r,m,k)] = sumPs1;
//nY2(mm,r)=sum(nY21(:,mm,r));
- double sumNy21 = 0.0;
+ float sumNy21 = 0.0;
for (int u=0; u<n; u++)
sumNy21 += nY21[ai(u,mm,r,n,m,k)];
nY2[mi(mm,r,m,k)] = sumNy21;
{
//sum(phi(1:j-1,mm,r).*transpose(Gram2(j,1:j-1,r)))+sum(phi(j+1:p,mm,r)
// .*transpose(Gram2(j,j+1:p,r)))
- double dotPhiGram2 = 0.0;
+ float dotPhiGram2 = 0.0;
for (int u=0; u<j; u++)
dotPhiGram2 += phi[ai(u,mm,r,p,m,k)] * Gram2[ai(j,u,r,p,p,k)];
for (int u=j+1; u<p; u++)
/////////////
int signum;
- double sumLogLLF2 = 0.0;
+ float sumLogLLF2 = 0.0;
for (int i=0; i<n; i++)
{
- double sumLLF1 = 0.0;
- double sumGamI = 0.0;
- double minDotProduct = INFINITY;
+ float sumLLF1 = 0.0;
+ float sumGamI = 0.0;
+ float minDotProduct = INFINITY;
for (int r=0; r<k; r++)
{
if (dotProducts[r] < minDotProduct)
minDotProduct = dotProducts[r];
}
- double shift = 0.5*minDotProduct;
+ float shift = 0.5*minDotProduct;
for (int r=0; r<k; r++)
{
//compute det(rho(:,:,r)) [TODO: avoid re-computations]
matrix->data[u*m+v] = rho[ai(u,v,r,m,m,k)];
}
gsl_linalg_LU_decomp(matrix, permutation, &signum);
- double detRhoR = gsl_linalg_LU_det(matrix, signum);
+ float detRhoR = gsl_linalg_LU_det(matrix, signum);
Gam[mi(i,r,n,k)] = pi[r] * detRhoR * exp(-0.5*dotProducts[r] + shift);
sumLLF1 += Gam[mi(i,r,n,k)] / pow(2*M_PI,m/2.0);
}
//sum(pen(ite,:))
- double sumPen = 0.0;
+ float sumPen = 0.0;
for (int r=0; r<k; r++)
sumPen += pow(pi[r],gamma) * b[r];
//LLF(ite)=-1/n*sum(log(LLF2(ite,:)))+lambda*sum(pen(ite,:));
dist = (LLF[ite] - LLF[ite-1]) / (1.0 + fabs(LLF[ite]));
//Dist1=max(max((abs(phi-Phi))./(1+abs(phi))));
- double Dist1 = 0.0;
+ float Dist1 = 0.0;
for (int u=0; u<p; u++)
{
for (int v=0; v<m; v++)
{
for (int w=0; w<k; w++)
{
- double tmpDist = fabs(phi[ai(u,v,w,p,m,k)]-Phi[ai(u,v,w,p,m,k)])
+ float tmpDist = fabs(phi[ai(u,v,w,p,m,k)]-Phi[ai(u,v,w,p,m,k)])
/ (1.0+fabs(phi[ai(u,v,w,p,m,k)]));
if (tmpDist > Dist1)
Dist1 = tmpDist;
}
}
//Dist2=max(max((abs(rho-Rho))./(1+abs(rho))));
- double Dist2 = 0.0;
+ float Dist2 = 0.0;
for (int u=0; u<m; u++)
{
for (int v=0; v<m; v++)
{
for (int w=0; w<k; w++)
{
- double tmpDist = fabs(rho[ai(u,v,w,m,m,k)]-Rho[ai(u,v,w,m,m,k)])
+ float tmpDist = fabs(rho[ai(u,v,w,m,m,k)]-Rho[ai(u,v,w,m,m,k)])
/ (1.0+fabs(rho[ai(u,v,w,m,m,k)]));
if (tmpDist > Dist2)
Dist2 = tmpDist;
}
}
//Dist3=max(max((abs(pi-Pi))./(1+abs(Pi))));
- double Dist3 = 0.0;
+ float Dist3 = 0.0;
for (int u=0; u<n; u++)
{
for (int v=0; v<k; v++)
{
- double tmpDist = fabs(pi[v]-Pi[v]) / (1.0+fabs(pi[v]));
+ float tmpDist = fabs(pi[v]-Pi[v]) / (1.0+fabs(pi[v]));
if (tmpDist > Dist3)
Dist3 = tmpDist;
}
void EMGLLF_core(
// IN parameters
- const double* phiInit,
- const double* rhoInit,
- const double* piInit,
- const double* gamInit,
+ const float* phiInit,
+ const float* rhoInit,
+ const float* piInit,
+ const float* gamInit,
int mini,
int maxi,
- double gamma,
- double lambda,
- const double* X,
- const double* Y,
- double tau,
+ float gamma,
+ float lambda,
+ const float* X,
+ const float* Y,
+ float tau,
// OUT parameters
- double* phi,
- double* rho,
- double* pi,
- double* LLF,
- double* S,
+ float* phi,
+ float* rho,
+ float* pi,
+ float* LLF,
+ float* S,
// additional size parameters
int n,
int p,
#include "utils.h"
// Compute pseudo-inverse of a square matrix
-static double* pinv(const double* matrix, int dim)
+static float* pinv(const float* matrix, int dim)
{
gsl_matrix* U = gsl_matrix_alloc(dim,dim);
gsl_matrix* V = gsl_matrix_alloc(dim,dim);
gsl_vector* S = gsl_vector_alloc(dim);
gsl_vector* work = gsl_vector_alloc(dim);
- double EPS = 1e-10; //threshold for singular value "== 0"
+ float EPS = 1e-10; //threshold for singular value "== 0"
//copy matrix into U
copyArray(matrix, U->data, dim*dim);
gsl_vector_free(work);
// Obtain pseudo-inverse by V*S^{-1}*t(U)
- double* inverse = (double*)malloc(dim*dim*sizeof(double));
+ float* inverse = (float*)malloc(dim*dim*sizeof(float));
for (int i=0; i<dim; i++)
{
for (int ii=0; ii<dim; ii++)
{
- double dotProduct = 0.0;
+ float dotProduct = 0.0;
for (int j=0; j<dim; j++)
dotProduct += V->data[i*dim+j] * (S->data[j] > EPS ? 1.0/S->data[j] : 0.0) * U->data[ii*dim+j];
inverse[i*dim+ii] = dotProduct;
// TODO: comment EMGrank purpose
void EMGrank_core(
// IN parameters
- const double* Pi, // parametre de proportion
- const double* Rho, // parametre initial de variance renormalisé
+ const float* Pi, // parametre de proportion
+ const float* 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 float* X, // régresseurs
+ const float* Y, // réponse
+ float tau, // seuil pour accepter la convergence
const int* rank, // vecteur des rangs possibles
// OUT parameters
- double* phi, // parametre de moyenne renormalisé, calculé par l'EM
- double* LLF, // log vraisemblance associé à cet échantillon, pour les valeurs estimées des paramètres
+ float* phi, // parametre de moyenne renormalisé, calculé par l'EM
+ float* LLF, // log vraisemblance associé à cet échantillon, pour les valeurs estimées des paramètres
// additional size parameters
int n, // taille de l'echantillon
int p, // nombre de covariables
int k) // nombre de composantes
{
// Allocations, initializations
- double* Phi = (double*)calloc(p*m*k,sizeof(double));
- double* hatBetaR = (double*)malloc(p*m*sizeof(double));
+ float* Phi = (float*)calloc(p*m*k,sizeof(float));
+ float* hatBetaR = (float*)malloc(p*m*sizeof(float));
int signum;
- double invN = 1.0/n;
+ float invN = 1.0/n;
int deltaPhiBufferSize = 20;
- double* deltaPhi = (double*)malloc(deltaPhiBufferSize*sizeof(double));
+ float* deltaPhi = (float*)malloc(deltaPhiBufferSize*sizeof(float));
int ite = 0;
- double sumDeltaPhi = 0.0;
- double* YiRhoR = (double*)malloc(m*sizeof(double));
- double* XiPhiR = (double*)malloc(m*sizeof(double));
- double* Xr = (double*)malloc(n*p*sizeof(double));
- double* Yr = (double*)malloc(n*m*sizeof(double));
- double* tXrXr = (double*)malloc(p*p*sizeof(double));
- double* tXrYr = (double*)malloc(p*m*sizeof(double));
+ float sumDeltaPhi = 0.0;
+ float* YiRhoR = (float*)malloc(m*sizeof(float));
+ float* XiPhiR = (float*)malloc(m*sizeof(float));
+ float* Xr = (float*)malloc(n*p*sizeof(float));
+ float* Yr = (float*)malloc(n*m*sizeof(float));
+ float* tXrXr = (float*)malloc(p*p*sizeof(float));
+ float* tXrYr = (float*)malloc(p*m*sizeof(float));
gsl_matrix* matrixM = gsl_matrix_alloc(p, m);
gsl_matrix* matrixE = gsl_matrix_alloc(m, m);
gsl_permutation* permutation = gsl_permutation_alloc(m);
{
for (int jj=0; jj<p; jj++)
{
- double dotProduct = 0.0;
+ float dotProduct = 0.0;
for (int u=0; u<cardClustR; u++)
dotProduct += Xr[mi(u,j,n,p)] * Xr[mi(u,jj,n,p)];
tXrXr[mi(j,jj,p,p)] = dotProduct;
}
//Get pseudo inverse = (t(Xr)*Xr)^{-1}
- double* invTXrXr = pinv(tXrXr, p);
+ float* invTXrXr = pinv(tXrXr, p);
// Compute tXrYr = t(Xr) * Yr
for (int j=0; j<p; j++)
{
for (int jj=0; jj<m; jj++)
{
- double dotProduct = 0.0;
+ float dotProduct = 0.0;
for (int u=0; u<cardClustR; u++)
dotProduct += Xr[mi(u,j,n,p)] * Yr[mi(u,j,n,m)];
tXrYr[mi(j,jj,p,m)] = dotProduct;
{
for (int jj=0; jj<m; jj++)
{
- double dotProduct = 0.0;
+ float dotProduct = 0.0;
for (int u=0; u<p; u++)
dotProduct += invTXrXr[mi(j,u,p,p)] * tXrYr[mi(u,jj,p,m)];
matrixM->data[j*m+jj] = dotProduct;
{
for (int jj=0; jj<m; jj++)
{
- double dotProduct = 0.0;
+ float dotProduct = 0.0;
for (int u=0; u<m; u++)
dotProduct += U[j*m+u] * S->data[u] * V->data[jj*m+u];
hatBetaR[mi(j,jj,p,m)] = dotProduct;
{
for (int jj=0; jj<m; jj++)
{
- double dotProduct=0.0;
+ float dotProduct=0.0;
for (int u=0; u<m; u++)
dotProduct += hatBetaR[mi(j,u,p,m)] * Rho[ai(u,jj,r,m,m,k)];
phi[ai(j,jj,r,p,m,k)] = dotProduct;
// Etape E //
/////////////
- double sumLogLLF2 = 0.0;
+ float sumLogLLF2 = 0.0;
for (int i=0; i<n; i++)
{
- double sumLLF1 = 0.0;
- double maxLogGamIR = -INFINITY;
+ float sumLLF1 = 0.0;
+ float maxLogGamIR = -INFINITY;
for (int r=0; r<k; r++)
{
//Compute
matrixE->data[j*m+jj] = Rho[ai(j,jj,r,m,m,k)];
}
gsl_linalg_LU_decomp(matrixE, permutation, &signum);
- double detRhoR = gsl_linalg_LU_det(matrixE, signum);
+ float detRhoR = gsl_linalg_LU_det(matrixE, signum);
//compute Y(i,:)*Rho(:,:,r)
for (int j=0; j<m; j++)
}
//compute dotProduct < Y(:,i)*rho(:,:,r)-X(i,:)*phi(:,:,r) . Y(:,i)*rho(:,:,r)-X(i,:)*phi(:,:,r) >
- double dotProduct = 0.0;
+ float dotProduct = 0.0;
for (int u=0; u<m; u++)
dotProduct += (YiRhoR[u]-XiPhiR[u]) * (YiRhoR[u]-XiPhiR[u]);
- double logGamIR = log(Pi[r]) + log(detRhoR) - 0.5*dotProduct;
+ float logGamIR = log(Pi[r]) + log(detRhoR) - 0.5*dotProduct;
//Z(i) = index of max (gam(i,:))
if (logGamIR > maxLogGamIR)
*LLF = -invN * sumLogLLF2;
//newDeltaPhi = max(max((abs(phi-Phi))./(1+abs(phi))));
- double newDeltaPhi = 0.0;
+ float newDeltaPhi = 0.0;
for (int j=0; j<p; j++)
{
for (int jj=0; jj<m; jj++)
{
for (int r=0; r<k; r++)
{
- double tmpDist = fabs(phi[ai(j,jj,r,p,m,k)]-Phi[ai(j,jj,r,p,m,k)])
+ float tmpDist = fabs(phi[ai(j,jj,r,p,m,k)]-Phi[ai(j,jj,r,p,m,k)])
/ (1.0+fabs(phi[ai(j,jj,r,p,m,k)]));
if (tmpDist > newDeltaPhi)
newDeltaPhi = tmpDist;
void EMGrank_core(
// IN parameters
- const double* Pi,
- const double* Rho,
+ const float* Pi,
+ const float* Rho,
int mini,
int maxi,
- const double* X,
- const double* Y,
- double tau,
+ const float* X,
+ const float* Y,
+ float tau,
const int* rank,
// OUT parameters
- double* phi,
- double* LLF,
+ float* phi,
+ float* LLF,
// additional size parameters
int n,
int p,
// 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 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 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
+ 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
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
+ 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
// additional size parameters
int n, // taille de l'echantillon
int p, // nombre de covariables
continue;
//Xa = X(:,a)
- double* Xa = (double*)malloc(n*lengthA*sizeof(double));
+ float* Xa = (float*)malloc(n*lengthA*sizeof(float));
for (int i=0; i<n; i++)
{
for (int j=0; j<lengthA; j++)
}
//phia = phiInit(a,:,:)
- double* phia = (double*)malloc(lengthA*m*k*sizeof(double));
+ float* phia = (float*)malloc(lengthA*m*k*sizeof(float));
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));
+ 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,
phiLambda,rhoLambda,piLambda,LLF,S,
n,lengthA,m,k);
free(b);
int signum;
- double* densite = (double*)calloc(L*n,sizeof(double));
- double sumLogDensit = 0.0;
+ float* densite = (float*)calloc(L*n,sizeof(float));
+ float 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));
+ float* YiRhoR = (float*)malloc(m*sizeof(float));
+ float* XiPhiR = (float*)malloc(m*sizeof(float));
for (int i=0; i<n; i++)
{
//~ for r=1:k
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);
+ float detRhoR = gsl_linalg_LU_det(matrix, signum);
//compute Y(i,:)*rho(:,:,r,lambdaIndex)
for (int u=0; u<m; u++)
// 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;
+ float dotProduct = 0.0;
for (int u=0; u<m; u++)
dotProduct += (YiRhoR[u]-XiPhiR[u]) * (YiRhoR[u]-XiPhiR[u]);
void constructionModelesLassoMLE_core(
// IN parameters
- const double* phiInit,
- const double* rhoInit,
- const double* piInit,
- const double* gamInit,
+ const float* phiInit,
+ const float* rhoInit,
+ const float* piInit,
+ const float* gamInit,
int mini,
int maxi,
- double gamma,
- const double* glambda,
- const double* X,
- const double* Y,
- double seuil,
- double tau,
+ float gamma,
+ const float* glambda,
+ const float* X,
+ const float* Y,
+ float seuil,
+ float tau,
const int* A1,
const int* A2,
// OUT parameters
- double* phi,
- double* rho,
- double* pi,
- double* lvraisemblance,
+ float* phi,
+ float* rho,
+ float* pi,
+ float* lvraisemblance,
// additional size parameters
int n,
int p,
// TODO: comment on constructionModelesLassoRank purpose
void constructionModelesLassoRank_core(
// IN parameters
- const double* Pi,// parametre initial des proportions
- const double* Rho, // parametre initial de variance renormalisé
+ const float* Pi,// parametre initial des proportions
+ const float* 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 float* X,// régresseurs
+ const float* Y,// réponse
+ float 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)
- double* phi,// estimateur ainsi calculé par le Lasso
- double* lvraisemblance,// estimateur ainsi calculé par le Lasso
+ float* phi,// estimateur ainsi calculé par le Lasso
+ float* lvraisemblance,// estimateur ainsi calculé par le Lasso
// additional size parameters
int n,// taille de l'echantillon
int p,// nombre de covariables
continue;
//from now on, longueurActive > 0
- double* phiLambda = (double*)malloc(longueurActive*m*k*sizeof(double));
- double LLF;
+ float* phiLambda = (float*)malloc(longueurActive*m*k*sizeof(float));
+ float 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 (int r=0; r<k; r++)
rank[r] = Rank[mi(j,r,Size,k)];
- double* Xactive = (double*)malloc(n*longueurActive*sizeof(double));
+ float* Xactive = (float*)malloc(n*longueurActive*sizeof(float));
for (int i=0; i<n; i++)
{
for (int jj=0; jj<longueurActive; jj++)
Xactive[mi(i,jj,n,longueurActive)] = X[mi(i,active[jj],n,p)];
}
- double* PiLambda = (double*)malloc(k*sizeof(double));
+ float* PiLambda = (float*)malloc(k*sizeof(float));
for (int r=0; r<k; r++)
PiLambda[r] = Pi[mi(r,lambdaIndex,k,L)];
- double* RhoLambda = (double*)malloc(m*m*k*sizeof(double));
+ float* RhoLambda = (float*)malloc(m*m*k*sizeof(float));
for (int u=0; u<m; u++)
{
for (int v=0; v<m; v++)
//lvraisemblance((lambdaIndex-1)*Size+j,:) = [LLF, dot(Rank(j,:), length(active)-Rank(j,:)+m)];
lvraisemblance[mi(lambdaIndex*Size+j,0,L*Size,2)] = LLF;
//dot(Rank(j,:), length(active)-Rank(j,:)+m)
- double dotProduct = 0.0;
+ float 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;
// Main job on raw inputs (after transformation from mxArray)
void constructionModelesLassoRank_core(
// IN parameters
- const double* Pi,
- const double* Rho,
+ const float* Pi,
+ const float* Rho,
int mini,
int maxi,
- const double* X,
- const double* Y,
- double tau,
+ const float* X,
+ const float* Y,
+ float tau,
const int* A1,
int rangmin,
int rangmax,
// OUT parameters
- double* phi,
- double* lvraisemblance,
+ float* phi,
+ float* lvraisemblance,
// additional size parameters
int n,
int p,
// 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
for (lambdaIndex=0; lambdaIndex<L; lambdaIndex++)
{
//allocate output variables
- double* phi = (double*)malloc(p*m*k*sizeof(double));
- double* rho = (double*)malloc(m*m*k*sizeof(double));
- double* pi = (double*)malloc(k*sizeof(double));
- double* LLF = (double*)malloc(maxi*sizeof(double));
- double* S = (double*)malloc(p*m*k*sizeof(double));
+ float* phi = (float*)malloc(p*m*k*sizeof(float));
+ float* rho = (float*)malloc(m*m*k*sizeof(float));
+ float* pi = (float*)malloc(k*sizeof(float));
+ float* LLF = (float*)malloc(maxi*sizeof(float));
+ float* S = (float*)malloc(p*m*k*sizeof(float));
EMGLLF_core(phiInit,rhoInit,piInit,gamInit,mini,maxi,gamma,glambda[lambdaIndex],X,Y,tau,
phi,rho,pi,LLF,S,
n,p,m,k);
int cpt2 = 0;
for (int jj=0; jj<m; jj++)
{
- double maxPhi = 0.0;
+ float maxPhi = 0.0;
for (int r=0; r<k; r++)
{
if (fabs(phi[ai(j,jj,r,p,m,k)]) > maxPhi)
// Main job on raw inputs (after transformation from mxArray)
void selectiontotale_core(
// IN parameters
- const double* phiInit,
- const double* rhoInit,
- const double* piInit,
- const double* gamInit,
+ const float* phiInit,
+ const float* rhoInit,
+ const float* piInit,
+ const float* gamInit,
int mini,
int maxi,
- double gamma,
- const double* glambda,
- const double* X,
- const double* Y,
- double seuil,
- double tau,
+ float gamma,
+ const float* glambda,
+ const float* X,
+ const float* Y,
+ float seuil,
+ float tau,
// OUT parameters
int* A1,
int* A2,
- double* Rho,
- double* Pi,
+ float* Rho,
+ float* Pi,
// additional size parameters
int n,
int p,
CC = gcc
CFLAGS = -g -std=gnu99 -Wno-implicit-function-declaration
LDFLAGS = -lm -lgsl -lcblas -lgomp
-LDFLAGS_TEST = -Lobj/ -lvalse_core
-LIB = valse_core.so
+TEST_LDFLAGS = -L. libvalse_core.so
+LIB = libvalse_core.so
LIB_SRC = $(wildcard ../sources/*.c)
LIB_OBJ = $(LIB_SRC:.c=.o)
INCLUDES = -I../sources
$(LIB): $(LIB_OBJ)
$(CC) -shared -o $@ $^ $(LDFLAGS)
-test.EMGLLF: test.EMGLLF.o
+test.EMGLLF: test.EMGLLF.o utils.o
$(CC) -o $@ $^ $(LDFLAGS) $(TEST_LDFLAGS)
-test.constructionModelesLassoMLE: test.constructionModelesLassoMLE.o
+test.constructionModelesLassoMLE: test.constructionModelesLassoMLE.o utils.o
$(CC) -o $@ $^ $(LDFLAGS) $(TEST_LDFLAGS)
-test.EMGrank: test.EMGrank.o
+test.EMGrank: test.EMGrank.o utils.o
$(CC) -o $@ $^ $(LDFLAGS) $(TEST_LDFLAGS)
-test.constructionModelesLassoRank: test.constructionModelesLassoRank.o
+test.constructionModelesLassoRank: test.constructionModelesLassoRank.o utils.o
$(CC) -o $@ $^ $(LDFLAGS) $(TEST_LDFLAGS)
-test.selectionTotale: test.selectionTotale.o
+test.selectionTotale: test.selectionTotale.o utils.o
$(CC) -o $@ $^ $(LDFLAGS) $(TEST_LDFLAGS)
%.o: %.c
- $(CC) -o $@ -c $< $(CFLAGS) $(INCLUDES)
+ $(CC) -fPIC -o $@ -c $< $(CFLAGS) $(INCLUDES)
clean:
rm -f *.o ../sources/*.o
1) transformer les .m en .R
-2) sauvegarder les résultats + entrée/sorties à partir du code R uniquement
-3) dans test.Truc.c, prendre en entrée les paramètres de data/ juste sauvegardés,
- puis comparer les sorties aux sorties enregistrées
+2) sauvegarder les résultats + entrée/sorties à partir du code R uniquement,
+ dans le dossier src/test/data (** sous forme de vecteurs, sep=" " **)
free(pi);
free(ref_pi);
- float* ref_LLF = readArray_real("LLF", maxi);
- compareArray_real("LLF", LLF, ref_LLF);
+ float* ref_LLF = readArray_real("LLF");
+ compareArray_real("LLF", LLF, ref_LLF, maxi);
free(LLF);
free(ref_LLF);
+#include <stdlib.h>
+#include <stdio.h>
+#include <math.h>
+#include <string.h>
+
// Check if array == refArray
void compareArray(const char* ID, const void* array, const void* refArray, int size,
int isinteger)
strcat(command, " | wc -l");
FILE *countSpaces = popen(command, "r");
char* buffer = (char*)calloc(32, sizeof(char));
- fgets(buffer, sizeof(buffer), command);
+ fgets(buffer, sizeof(buffer), countSpaces);
int n = atoi(buffer) + 1;
free(buffer);
pclose(countSpaces);
float* readArray_real(const char* fileName)
{
- return (int*)readArray(fileName, 0);
+ return (float*)readArray(fileName, 0);
}
int read_int(const char* fileName)
projects / valse.git / commitdiff