slope 6.6.0
Loading...
Searching...
No Matches
multinomial.h
Go to the documentation of this file.
1
5
6#pragma once
7
8#include "loss.h"
9
10namespace slope {
21class Multinomial : public Loss
22{
23public:
24 explicit Multinomial()
25 : Loss(1.0)
26 {
27 }
35 double loss(const Eigen::MatrixXd& eta, const Eigen::MatrixXd& y) override;
36
37 double loss(const Eigen::MatrixXd& eta,
38 const Eigen::MatrixXd& y,
39 const Eigen::VectorXd& observation_weights) override;
40
48 double dual(const Eigen::MatrixXd& theta,
49 const Eigen::MatrixXd& y,
50 const Eigen::VectorXd& w) override;
51
52 Eigen::MatrixXd dualPoint(const Eigen::MatrixXd& eta,
53 const Eigen::MatrixXd& y,
54 bool fit_intercept) override;
55
56 Eigen::MatrixXd dualPoint(
57 const Eigen::MatrixXd& eta,
58 const Eigen::MatrixXd& y,
59 bool fit_intercept,
60 const Eigen::VectorXd& observation_weights) override;
61
68 Eigen::MatrixXd preprocessResponse(const Eigen::MatrixXd& y) override;
69
76 Eigen::MatrixXd hessianDiagonal(const Eigen::MatrixXd& eta) override;
77
83 Eigen::MatrixXd link(const Eigen::MatrixXd& mu) override;
84
91 Eigen::MatrixXd inverseLink(const Eigen::MatrixXd& eta) override;
92
99 Eigen::MatrixXd predict(const Eigen::MatrixXd& eta) override;
100};
101
102} // namespace slope
Loss(double lipschitz_constant)
Constructs an loss function with specified Lipschitz constant.
Definition loss.h:213
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.
double loss(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y, const Eigen::VectorXd &observation_weights) override
Calculates the loss averaged by observation weights.
Eigen::MatrixXd inverseLink(const Eigen::MatrixXd &eta) override
The inverse link function.
Eigen::MatrixXd dualPoint(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y, bool fit_intercept, const Eigen::VectorXd &observation_weights) override
Constructs a dual candidate with weighted intercept stationarity.
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.
Definition clusters.h:11