38 virtual double loss(
const Eigen::MatrixXd& eta,
const Eigen::MatrixXd& y) = 0;
51 virtual double dual(
const Eigen::MatrixXd& theta,
52 const Eigen::MatrixXd& y,
53 const Eigen::VectorXd& w) = 0;
67 Eigen::MatrixXd
residual(
const Eigen::MatrixXd& eta,
68 const Eigen::MatrixXd& y);
84 virtual Eigen::MatrixXd
dualPoint(
const Eigen::MatrixXd& eta,
85 const Eigen::MatrixXd& y,
112 const Eigen::MatrixXd& eta,
113 const Eigen::MatrixXd& y);
131 const Eigen::MatrixXd& eta,
132 const Eigen::MatrixXd& y)
135 beta0 -=
residual.colwise().mean() / this->lipschitz_constant;
146 virtual Eigen::MatrixXd
link(
const Eigen::MatrixXd& mu) = 0;
154 virtual Eigen::MatrixXd
inverseLink(
const Eigen::MatrixXd& eta) = 0;
161 virtual Eigen::MatrixXd
predict(
const Eigen::MatrixXd& eta) = 0;
170 virtual double deviance(
const Eigen::MatrixXd& eta,
const Eigen::MatrixXd& y)
183 explicit Loss(
double lipschitz_constant)
184 : lipschitz_constant(lipschitz_constant)
197 const Eigen::MatrixXd& y,
202 const double lipschitz_constant;
virtual Eigen::MatrixXd dualPoint(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y, bool fit_intercept)
Constructs a dual candidate from a linear predictor.
Loss(double lipschitz_constant)
Constructs an loss function with specified Lipschitz constant.
virtual double loss(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y)=0
Calculates the loss function.
virtual Eigen::MatrixXd preprocessResponse(const Eigen::MatrixXd &y)=0
Preprocess response.
virtual double deviance(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y)
Computes deviance, which is 2 times the difference between the loglikelihood of the model and the log...
virtual void updateIntercept(Eigen::VectorXd &beta0, const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y)
Updates the intercept with a gradient descent update.
Eigen::MatrixXd residual(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y)
Calculates the generalized residual.
virtual void updateWeightsAndWorkingResponse(Eigen::MatrixXd &w, Eigen::MatrixXd &z, const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y)
Updates weights and working response.
virtual Eigen::MatrixXd inverseLink(const Eigen::MatrixXd &eta)=0
The inverse link function, also known as the mean function.
virtual Eigen::MatrixXd predict(const Eigen::MatrixXd &eta)=0
Return predicted response.
virtual double dual(const Eigen::MatrixXd &theta, const Eigen::MatrixXd &y, const Eigen::VectorXd &w)=0
Calculates the dual loss.
virtual Eigen::MatrixXd hessianDiagonal(const Eigen::MatrixXd &eta)=0
Calculates the hessian diagonal of the loss function.
virtual ~Loss()=default
Destructor for the Loss class.
virtual Eigen::MatrixXd link(const Eigen::MatrixXd &mu)=0
The link function.
Eigen::MatrixXd domainSafePoint(const Eigen::MatrixXd &mean, const Eigen::MatrixXd &y, double lower, double upper) const
Enforces scalar intercept stationarity without leaving a mean domain.
Namespace containing SLOPE regression implementation.