Free cookie consent management tool by TermsFeed Policy Generator

Ignore:
Timestamp:
11/15/15 13:54:43 (9 years ago)
Author:
gkronber
Message:

#2504: svn:ignore

File:
1 edited

Legend:

Unmodified
Added
Removed
  • trunk/sources/HeuristicLab.Algorithms.DataAnalysis/3.4/GaussianProcess/GaussianProcessModel.cs

    r13121 r13160  
    165165                                             .ToArray();
    166166      sqrSigmaNoise = Math.Exp(2.0 * hyp.Last());
    167       CalculateModel(ds, rows, scaleInputs);
     167      try {
     168        CalculateModel(ds, rows, scaleInputs);
     169      } catch (alglib.alglibexception ae) {
     170        // wrap exception so that calling code doesn't have to know about alglib implementation
     171        throw new ArgumentException("There was a problem in the calculation of the Gaussian process model", ae);
     172      }
    168173    }
    169174
     
    306311
    307312    private IEnumerable<double> GetEstimatedValuesHelper(IDataset dataset, IEnumerable<int> rows) {
    308       if (x == null) {
    309         x = GetData(trainingDataset, allowedInputVariables, trainingRows, inputScaling);
    310       }
    311       int n = x.GetLength(0);
    312 
    313       double[,] newX = GetData(dataset, allowedInputVariables, rows, inputScaling);
    314       int newN = newX.GetLength(0);
    315 
    316       var Ks = new double[newN, n];
    317       var mean = meanFunction.GetParameterizedMeanFunction(meanParameter, Enumerable.Range(0, newX.GetLength(1)));
    318       var ms = Enumerable.Range(0, newX.GetLength(0))
    319       .Select(r => mean.Mean(newX, r))
    320       .ToArray();
    321       var cov = covarianceFunction.GetParameterizedCovarianceFunction(covarianceParameter, Enumerable.Range(0, newX.GetLength(1)));
    322       for (int i = 0; i < newN; i++) {
    323         for (int j = 0; j < n; j++) {
    324           Ks[i, j] = cov.CrossCovariance(x, newX, j, i);
    325         }
    326       }
    327 
    328       return Enumerable.Range(0, newN)
    329         .Select(i => ms[i] + Util.ScalarProd(Util.GetRow(Ks, i), alpha));
     313      try {
     314        if (x == null) {
     315          x = GetData(trainingDataset, allowedInputVariables, trainingRows, inputScaling);
     316        }
     317        int n = x.GetLength(0);
     318
     319        double[,] newX = GetData(dataset, allowedInputVariables, rows, inputScaling);
     320        int newN = newX.GetLength(0);
     321
     322        var Ks = new double[newN, n];
     323        var mean = meanFunction.GetParameterizedMeanFunction(meanParameter, Enumerable.Range(0, newX.GetLength(1)));
     324        var ms = Enumerable.Range(0, newX.GetLength(0))
     325        .Select(r => mean.Mean(newX, r))
     326        .ToArray();
     327        var cov = covarianceFunction.GetParameterizedCovarianceFunction(covarianceParameter, Enumerable.Range(0, newX.GetLength(1)));
     328        for (int i = 0; i < newN; i++) {
     329          for (int j = 0; j < n; j++) {
     330            Ks[i, j] = cov.CrossCovariance(x, newX, j, i);
     331          }
     332        }
     333
     334        return Enumerable.Range(0, newN)
     335          .Select(i => ms[i] + Util.ScalarProd(Util.GetRow(Ks, i), alpha));
     336      } catch (alglib.alglibexception ae) {
     337        // wrap exception so that calling code doesn't have to know about alglib implementation
     338        throw new ArgumentException("There was a problem in the calculation of the Gaussian process model", ae);
     339      }
    330340    }
    331341
    332342    public IEnumerable<double> GetEstimatedVariance(IDataset dataset, IEnumerable<int> rows) {
    333       if (x == null) {
    334         x = GetData(trainingDataset, allowedInputVariables, trainingRows, inputScaling);
    335       }
    336       int n = x.GetLength(0);
    337 
    338       var newX = GetData(dataset, allowedInputVariables, rows, inputScaling);
    339       int newN = newX.GetLength(0);
    340 
    341       var kss = new double[newN];
    342       double[,] sWKs = new double[n, newN];
    343       var cov = covarianceFunction.GetParameterizedCovarianceFunction(covarianceParameter, Enumerable.Range(0, x.GetLength(1)));
    344 
    345       if (l == null) {
    346         l = CalculateL(x, cov, sqrSigmaNoise);
    347       }
    348 
    349       // for stddev
    350       for (int i = 0; i < newN; i++)
    351         kss[i] = cov.Covariance(newX, i, i);
    352 
    353       for (int i = 0; i < newN; i++) {
    354         for (int j = 0; j < n; j++) {
    355           sWKs[j, i] = cov.CrossCovariance(x, newX, j, i) / Math.Sqrt(sqrSigmaNoise);
    356         }
    357       }
    358 
    359       // for stddev
    360       alglib.ablas.rmatrixlefttrsm(n, newN, l, 0, 0, false, false, 0, ref sWKs, 0, 0);
    361 
    362       for (int i = 0; i < newN; i++) {
    363         var sumV = Util.ScalarProd(Util.GetCol(sWKs, i), Util.GetCol(sWKs, i));
    364         kss[i] += sqrSigmaNoise; // kss is V(f), add noise variance of predictive distibution to get V(y)
    365         kss[i] -= sumV;
    366         if (kss[i] < 0) kss[i] = 0;
    367       }
    368       return kss;
     343      try {
     344        if (x == null) {
     345          x = GetData(trainingDataset, allowedInputVariables, trainingRows, inputScaling);
     346        }
     347        int n = x.GetLength(0);
     348
     349        var newX = GetData(dataset, allowedInputVariables, rows, inputScaling);
     350        int newN = newX.GetLength(0);
     351
     352        var kss = new double[newN];
     353        double[,] sWKs = new double[n, newN];
     354        var cov = covarianceFunction.GetParameterizedCovarianceFunction(covarianceParameter, Enumerable.Range(0, x.GetLength(1)));
     355
     356        if (l == null) {
     357          l = CalculateL(x, cov, sqrSigmaNoise);
     358        }
     359
     360        // for stddev
     361        for (int i = 0; i < newN; i++)
     362          kss[i] = cov.Covariance(newX, i, i);
     363
     364        for (int i = 0; i < newN; i++) {
     365          for (int j = 0; j < n; j++) {
     366            sWKs[j, i] = cov.CrossCovariance(x, newX, j, i) / Math.Sqrt(sqrSigmaNoise);
     367          }
     368        }
     369
     370        // for stddev
     371        alglib.ablas.rmatrixlefttrsm(n, newN, l, 0, 0, false, false, 0, ref sWKs, 0, 0);
     372
     373        for (int i = 0; i < newN; i++) {
     374          var sumV = Util.ScalarProd(Util.GetCol(sWKs, i), Util.GetCol(sWKs, i));
     375          kss[i] += sqrSigmaNoise; // kss is V(f), add noise variance of predictive distibution to get V(y)
     376          kss[i] -= sumV;
     377          if (kss[i] < 0) kss[i] = 0;
     378        }
     379        return kss;
     380      } catch (alglib.alglibexception ae) {
     381        // wrap exception so that calling code doesn't have to know about alglib implementation
     382        throw new ArgumentException("There was a problem in the calculation of the Gaussian process model", ae);
     383      }
    369384    }
    370385  }
Note: See TracChangeset for help on using the changeset viewer.