Branch data     Line data    Source code

       1                 :            : #include <mutable/util/LinearModel.hpp>
       2                 :            : 
       3                 :            : #include "util/eigen_meta.hpp"
       4                 :            : #include <mutable/util/Diagnostic.hpp>
       5                 :            : #include <mutable/util/Diagnostic.hpp>
       6                 :            : 
       7                 :            : 
       8                 :            : using namespace m;
       9                 :            : 
      10                 :            : 
      11                 :            : //======================================================================================================================
      12                 :            : // LinearModel Methods
      13                 :            : //======================================================================================================================
      14                 :            : 
      15                 :          4 : LinearModel::LinearModel(const Eigen::MatrixXd &X, const Eigen::VectorXd &y)
      16                 :          4 :     : coefficients_(regression_linear_closed_form(X, y)), num_features_(coefficients_.rows()) {}
      17                 :            : 
      18                 :          0 : LinearModel::LinearModel(const Eigen::MatrixXd &X, const Eigen::VectorXd &y,
      19                 :            :                      const std::function<Eigen::MatrixXd(Eigen::MatrixXd)> &transform_function)
      20                 :            :                      {
      21                 :            :     /* apply transformations */
      22   [ #  #  #  # ]:          0 :     auto X_trans = transform_function(X);
      23                 :            : 
      24                 :          0 :     num_features_ = X.cols();
      25         [ #  # ]:          0 :     transformation_ = transform_function;
      26         [ #  # ]:          0 :     coefficients_ = regression_linear_closed_form(X_trans, y);
      27                 :          0 : }
      28                 :            : 
      29                 :          6 : double LinearModel::predict_target(const Eigen::RowVectorXd& feature_vector) const
      30                 :            : {
      31         [ -  + ]:          6 :     M_insist(feature_vector.rows() == 1 and num_features_ - 1 == feature_vector.cols());
      32                 :            :     /* The linear regression algorithm requires a column of only ones to properly
      33                 :            :      * train the y-intercept of the model. This column is added here. */
      34                 :          6 :     Eigen::RowVectorXd concat_vector(1, feature_vector.cols() + 1);
      35   [ +  -  +  - ]:          6 :     concat_vector << 1, feature_vector;
      36         [ +  - ]:          6 :     M_insist(num_features_ == concat_vector.cols());
      37                 :            : 
      38         [ -  + ]:          7 :     if (bool(transformation_)) {
      39                 :            :         /* apply transformations */
      40   [ #  #  #  #  :          0 :         concat_vector = transformation_(concat_vector);
                   #  # ]
      41                 :          0 :     }
      42                 :            : 
      43   [ +  -  +  - ]:          6 :     return concat_vector * coefficients_;
      44                 :          6 : }
      45                 :            : 
      46                 :            : M_LCOV_EXCL_START
      47                 :            : std::ostream & m::operator<<(std::ostream &out, const LinearModel &linear_model)
      48                 :            : {
      49                 :            :     out << "LinearModel ";
      50                 :            :     if (bool(linear_model.transformation_)) {
      51                 :            :         out << "with transformations ";
      52                 :            :     }
      53                 :            :     out << "\n[\n" << linear_model.coefficients_ << "\n]\n";
      54                 :            :     return out;
      55                 :            : }
      56                 :            : 
      57                 :            : void LinearModel::dump(std::ostream &out) const
      58                 :            : {
      59                 :            :     out << *this;
      60                 :            :     out.flush();
      61                 :            : }
      62                 :            : 
      63                 :            : void LinearModel::dump() const { dump(std::cerr); }
      64                 :            : M_LCOV_EXCL_STOP