34 double loss(
const Eigen::MatrixXd& eta,
const Eigen::MatrixXd& y);
44 double dual(
const Eigen::MatrixXd& theta,
45 const Eigen::MatrixXd& y,
46 const Eigen::VectorXd& w);
55 Eigen::MatrixXd
residual(
const Eigen::MatrixXd& eta,
56 const Eigen::MatrixXd& y);
78 const Eigen::VectorXd& eta,
79 const Eigen::VectorXd& y);
86 Eigen::MatrixXd
link(
const Eigen::MatrixXd& mu);
94 Eigen::MatrixXd
inverseLink(
const Eigen::MatrixXd& eta);
102 Eigen::MatrixXd
predict(
const Eigen::MatrixXd& eta);
The Multinomial class represents a multinomial logistic regression loss function.
double dual(const Eigen::MatrixXd &theta, const Eigen::MatrixXd &y, const Eigen::VectorXd &w)
Calculates the dual for the multinomial loss function.
void updateWeightsAndWorkingResponse(Eigen::VectorXd &w, Eigen::VectorXd &z, const Eigen::VectorXd &eta, const Eigen::VectorXd &y)
Updates the weights and working response for the multinomial loss function. Currently not implemented...
Eigen::MatrixXd inverseLink(const Eigen::MatrixXd &eta)
The inverse link function, also known as the mean function.
Eigen::MatrixXd preprocessResponse(const Eigen::MatrixXd &y)
Preprocesses the response for the Multinomial model.
Eigen::MatrixXd predict(const Eigen::MatrixXd &eta)
Return predicted response, which is an integer class label based on the predicted probabilities.
Eigen::MatrixXd link(const Eigen::MatrixXd &mu)
The link function.
Eigen::MatrixXd residual(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y)
Calculates the residual for the multinomial loss function.
double loss(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y)
Calculates the loss for the multinomial loss function.
The declartion of the Objctive class and its subclasses, which represent the data-fitting part of the...
Namespace containing SLOPE regression implementation.