35 double loss(
const Eigen::MatrixXd& eta,
const Eigen::MatrixXd& y)
override;
44 double dual(
const Eigen::MatrixXd& theta,
45 const Eigen::MatrixXd& y,
46 const Eigen::VectorXd& w)
override;
48 Eigen::MatrixXd
dualPoint(
const Eigen::MatrixXd& eta,
49 const Eigen::MatrixXd& y,
50 bool fit_intercept)
override;
73 Eigen::MatrixXd
link(
const Eigen::MatrixXd& mu)
override;
81 Eigen::MatrixXd
inverseLink(
const Eigen::MatrixXd& eta)
override;
89 Eigen::MatrixXd
predict(
const Eigen::MatrixXd& eta)
override;
The Multinomial class represents a multinomial logistic regression loss function.
Eigen::MatrixXd preprocessResponse(const Eigen::MatrixXd &y) override
Preprocesses the response for the Multinomial model.
double dual(const Eigen::MatrixXd &theta, const Eigen::MatrixXd &y, const Eigen::VectorXd &w) override
Calculates the dual for the multinomial loss function.
Eigen::MatrixXd link(const Eigen::MatrixXd &mu) override
The link function.
Eigen::MatrixXd inverseLink(const Eigen::MatrixXd &eta) override
The inverse link function.
Eigen::MatrixXd hessianDiagonal(const Eigen::MatrixXd &eta) override
Calculates the hessian diagonal.
Eigen::MatrixXd predict(const Eigen::MatrixXd &eta) override
Return predicted response, which is an integer class label based on the predicted probabilities.
double loss(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y) override
Calculates the loss for the multinomial loss function.
Eigen::MatrixXd dualPoint(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y, bool fit_intercept) override
Constructs a dual candidate from a linear predictor.
The declartion of the Objctive class and its subclasses, which represent the data-fitting part of the...
Namespace containing SLOPE regression implementation.