32 double loss(
const Eigen::MatrixXd& eta,
const Eigen::MatrixXd& y)
override;
41 double dual(
const Eigen::MatrixXd& theta,
42 const Eigen::MatrixXd& y,
43 const Eigen::VectorXd& w)
override;
45 Eigen::MatrixXd
dualPoint(
const Eigen::MatrixXd& eta,
46 const Eigen::MatrixXd& y,
47 bool fit_intercept)
override;
71 Eigen::MatrixXd
link(
const Eigen::MatrixXd& mu)
override;
78 Eigen::MatrixXd
inverseLink(
const Eigen::MatrixXd& eta)
override;
86 Eigen::MatrixXd
predict(
const Eigen::MatrixXd& eta)
override;
The Logistic class represents a logistic loss function.
Eigen::MatrixXd hessianDiagonal(const Eigen::MatrixXd &eta) override
Calculates hessian diagonal.
Eigen::MatrixXd predict(const Eigen::MatrixXd &eta) override
Return predicted response, that is 0 or 1 depending on the predicted probabilities.
Eigen::MatrixXd inverseLink(const Eigen::MatrixXd &eta) override
The inverse link function, also known as the mean function.
Eigen::MatrixXd dualPoint(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y, bool fit_intercept) override
Constructs a dual candidate from a linear predictor.
Eigen::MatrixXd preprocessResponse(const Eigen::MatrixXd &y) override
Preprocesses the response for the quadratic model.
double dual(const Eigen::MatrixXd &theta, const Eigen::MatrixXd &y, const Eigen::VectorXd &w) override
Calculates the dual for the logistic loss function.
double loss(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y) override
Calculates the loss for the logistic loss function.
Eigen::MatrixXd link(const Eigen::MatrixXd &mu) override
The link function.
The declartion of the Objctive class and its subclasses, which represent the data-fitting part of the...
Namespace containing SLOPE regression implementation.