tableauRecap = do.call( rbind, lapply( seq_along(models_list), function(i) {
models <- models_list[[i]]
#Pour un groupe de modeles (même k, différents lambda):
- LLH <- sapply( models, function(model) model$llh )
- k == length(models[[1]]$pi)
+ LLH <- sapply( models, function(model) model$llh[1] )
+ k = length(models[[1]]$pi)
# TODO: chuis pas sûr du tout des lignes suivantes...
- # J'ai l'impression qu'il manque des infos
- sumPen = sapply( models, function(model)
- sum( model$pi^gamma * sapply(1:k, function(r) sum(abs(model$phi[,,r]))) ) )
+ # J'ai l'impression qu'il manque des infos
+ ## C'est surtout que la pénalité est la mauvaise, la c'est celle du Lasso, nous on veut ici
+ ##celle de l'heuristique de pentes
+ #sumPen = sapply( models, function(model)
+ # sum( model$pi^gamma * sapply(1:k, function(r) sum(abs(model$phi[,,r]))) ) )
+ sumPen = sapply(models, function(model)
+ k*(dim(model$rho)[1]+sum(model$phi[,,1]!=0)+1)-1)
data.frame(model=paste(i,".",seq_along(models),sep=""),
- pen=sumPen/1000, complexity=sumPen, contrast=LLH)
+ pen=sumPen/n, complexity=sumPen, contrast=LLH)
} ) )
-
- modSel = capushe::capushe(data, n)
+print(tableauRecap)
+ modSel = capushe::capushe(tableauRecap, n)
indModSel <-
if (selecMod == 'DDSE')
as.numeric(modSel@DDSE@model)
modSel@BIC_capushe$model
else if (selecMod == 'AIC')
modSel@AIC_capushe$model
-
- models_list[[tableauRecap[indModSel,3]]][[tableauRecap[indModSel,4]]]
+
+ mod = as.character(tableauRecap[indModSel,1])
+ listMod = as.integer(unlist(strsplit(mod, "[.]")))
+ models_list[[listMod[1]]][[listMod[2]]]
+ models_list
}