| 1 | constructionModelesLassoRank = function(pi,rho,mini,maxi,X,Y,tau,A1,rangmin,rangmax) |
| 2 | { |
| 3 | #get matrix sizes |
| 4 | n = dim(X)[1] |
| 5 | p = dim(X)[2] |
| 6 | m = dim(rho)[2] |
| 7 | k = dim(rho)[3] |
| 8 | L = dim(A1)[2] |
| 9 | |
| 10 | # On cherche les rangs possiblement intéressants |
| 11 | deltaRank = rangmax - rangmin + 1 |
| 12 | Size = deltaRank^k |
| 13 | Rank = matrix(0, nrow=Size, ncol=k) |
| 14 | for(r in 1:k) |
| 15 | { |
| 16 | # On veut le tableau de toutes les combinaisons de rangs possibles |
| 17 | # Dans la première colonne : on répète (rangmax-rangmin)^(k-1) chaque chiffre : |
| 18 | # ça remplit la colonne |
| 19 | # Dans la deuxieme : on répète (rangmax-rangmin)^(k-2) chaque chiffre, |
| 20 | # et on fait ça (rangmax-rangmin)^2 fois |
| 21 | # ... |
| 22 | # Dans la dernière, on répète chaque chiffre une fois, |
| 23 | # et on fait ça (rangmin-rangmax)^(k-1) fois. |
| 24 | Rank[,r] = rangmin + rep(0:(deltaRank-1), deltaRank^(r-1), each=deltaRank^(k-r)) |
| 25 | } |
| 26 | |
| 27 | # output parameters |
| 28 | phi = array(0, dim=c(p,m,k,L*Size)) |
| 29 | llh = matrix(0, L*Size, 2) #log-likelihood |
| 30 | for(lambdaIndex in 1:L) |
| 31 | { |
| 32 | # on ne garde que les colonnes actives |
| 33 | # 'active' sera l'ensemble des variables informatives |
| 34 | active = A1[,lambdaIndex] |
| 35 | active = active[-(active==0)] |
| 36 | if (length(active) > 0) |
| 37 | { |
| 38 | for (j in 1:Size) |
| 39 | { |
| 40 | res = EMGrank(Pi[,lambdaIndex], Rho[,,,lambdaIndex], mini, maxi, |
| 41 | X[,active], Y, tau, Rank[j,]) |
| 42 | llh[(lambdaIndex-1)*Size+j,] = |
| 43 | c( res$LLF, sum(Rank[j,] * (length(active)- Rank[j,] + m)) ) |
| 44 | phi[active,,,(lambdaIndex-1)*Size+j] = res$phi |
| 45 | } |
| 46 | } |
| 47 | } |
| 48 | return (list("phi"=phi, "llh" = llh)) |
| 49 | } |