protected double computeFunctionGradientLL(double lambda[], double grad[]) {
double logli = 0;
try {
for (int f = 0; f < lambda.length; f++) {
grad[f] = -1 * lambda[f] * params.invSigmaSquare;
logli -= ((lambda[f] * lambda[f]) * params.invSigmaSquare) / 2;
}
diter.startScan();
if (featureGenCache != null) featureGenCache.startDataScan();
for (int numRecord = 0; diter.hasNext(); numRecord++) {
DataSequence dataSeq = (DataSequence) diter.next();
if (featureGenCache != null) featureGenCache.nextDataIndex();
if (params.debugLvl > 1) {
Util.printDbg("Read next seq: " + numRecord + " logli " + logli);
}
alpha_Y.assign(0);
for (int f = 0; f < lambda.length; f++) ExpF[f] = RobustMath.LOG0;
if ((beta_Y == null) || (beta_Y.length < dataSeq.length())) {
beta_Y = new DenseDoubleMatrix1D[2 * dataSeq.length()];
for (int i = 0; i < beta_Y.length; i++) beta_Y[i] = new DenseDoubleMatrix1D(numY);
}
// compute beta values in a backward scan.
// also scale beta-values to 1 to avoid numerical problems.
beta_Y[dataSeq.length() - 1].assign(0);
for (int i = dataSeq.length() - 1; i > 0; i--) {
if (params.debugLvl > 2) {
/* Util.printDbg("Features fired");
featureGenerator.startScanFeaturesAt(dataSeq, i);
while (featureGenerator.hasNext()) {
Feature feature = featureGenerator.next();
Util.printDbg(feature.toString());
}
*/
}
// compute the Mi matrix
initMDone =
computeLogMi(
featureGenerator, lambda, dataSeq, i, Mi_YY, Ri_Y, false, reuseM, initMDone);
tmp_Y.assign(beta_Y[i]);
tmp_Y.assign(Ri_Y, sumFunc);
RobustMath.logMult(Mi_YY, tmp_Y, beta_Y[i - 1], 1, 0, false, edgeGen);
}
double thisSeqLogli = 0;
for (int i = 0; i < dataSeq.length(); i++) {
// compute the Mi matrix
initMDone =
computeLogMi(
featureGenerator, lambda, dataSeq, i, Mi_YY, Ri_Y, false, reuseM, initMDone);
// find features that fire at this position..
featureGenerator.startScanFeaturesAt(dataSeq, i);
if (i > 0) {
tmp_Y.assign(alpha_Y);
RobustMath.logMult(Mi_YY, tmp_Y, newAlpha_Y, 1, 0, true, edgeGen);
newAlpha_Y.assign(Ri_Y, sumFunc);
} else {
newAlpha_Y.assign(Ri_Y);
}
while (featureGenerator.hasNext()) {
Feature feature = featureGenerator.next();
int f = feature.index();
int yp = feature.y();
int yprev = feature.yprev();
float val = feature.value();
if ((dataSeq.y(i) == yp)
&& (((i - 1 >= 0) && (yprev == dataSeq.y(i - 1))) || (yprev < 0))) {
grad[f] += val;
thisSeqLogli += val * lambda[f];
if (params.debugLvl > 2) {
System.out.println("Feature fired " + f + " " + feature);
}
}
if (yprev < 0) {
ExpF[f] =
RobustMath.logSumExp(
ExpF[f], newAlpha_Y.get(yp) + RobustMath.log(val) + beta_Y[i].get(yp));
} else {
ExpF[f] =
RobustMath.logSumExp(
ExpF[f],
alpha_Y.get(yprev)
+ Ri_Y.get(yp)
+ Mi_YY.get(yprev, yp)
+ RobustMath.log(val)
+ beta_Y[i].get(yp));
}
}
alpha_Y.assign(newAlpha_Y);
if (params.debugLvl > 2) {
System.out.println("Alpha-i " + alpha_Y.toString());
System.out.println("Ri " + Ri_Y.toString());
System.out.println("Mi " + Mi_YY.toString());
System.out.println("Beta-i " + beta_Y[i].toString());
}
}
double lZx = RobustMath.logSumExp(alpha_Y);
thisSeqLogli -= lZx;
logli += thisSeqLogli;
// update grad.
for (int f = 0; f < grad.length; f++) {
grad[f] -= RobustMath.exp(ExpF[f] - lZx);
}
if (params.debugLvl > 1) {
System.out.println(
"Sequence "
+ thisSeqLogli
+ " logli "
+ logli
+ " log(Zx) "
+ lZx
+ " Zx "
+ Math.exp(lZx));
}
}
if (params.debugLvl > 2) {
for (int f = 0; f < lambda.length; f++) System.out.print(lambda[f] + " ");
System.out.println(" :x");
for (int f = 0; f < lambda.length; f++) System.out.print(grad[f] + " ");
System.out.println(" :g");
}
if (params.debugLvl > 0)
Util.printDbg(
"Iteration "
+ icall
+ " log-likelihood "
+ logli
+ " norm(grad logli) "
+ norm(grad)
+ " norm(x) "
+ norm(lambda));
} catch (Exception e) {
System.out.println("Alpha-i " + alpha_Y.toString());
System.out.println("Ri " + Ri_Y.toString());
System.out.println("Mi " + Mi_YY.toString());
e.printStackTrace();
System.exit(0);
}
return logli;
}
/**
* Gibt die Lösung x des Gleichungssystems zurück: nur eindeutige (d.h. parameterunabhängige xi)
* werden zurückgegeben. index 0: Wert = 0 bedeutet xi unbestimmt, Wert = 1 bedeutet xi bestimmt
* index 1: eigentlicher Wert (nur wenn xi bestimmt, dh index 0 = 1, sonst Wert 0)
*/
public final double[][] solve() throws ArithmeticException {
// --------------------------------------------------------------------------
// EIGENTLICHER SOLVER für bestimmte Lösungsvariablen in unbestimmen Systemen
// --------------------------------------------------------------------------
int gebrauchteUnbestParam = 0;
x =
new double[A.columns()]
[2 + anzUnbestParam]; // Status 1 (bestimmt), kN, alpha, beta (Parameter)
int z = A.rows() - 1; // Zeilenvariable, beginnt zuunterst
// Gleichungen mit lauter Nullen
while (R.viewRow(z).cardinality() == 0 // nachfolgende Tests massgebend, dieser jedoch schnell
|| (Fkt.max(R.viewRow(z).toArray()) < TOL && Fkt.min(R.viewRow(z).toArray()) > -TOL)) {
double cwert;
if (z < c.rows()) cwert = c.get(z, 0);
else cwert = 0;
if (Math.abs(cwert) > TOL) {
System.out.println("widersprüchliche Gleichungen im System! Zeile " + z);
throw new ArithmeticException("Widerspruch im Gleichungssystem!");
}
z--;
if (z <= 0) {
System.out.println("lauter Nullen im GLS");
break;
}
}
// Verarbeiten der Gleichungen (von unten her)
for (z = z; z >= 0; z--) {
// finde erste nicht-Null in Zeile (Pivot)
int p = -1; // Pivot: erste Zahl welche nicht null ist
pivotfinden:
for (int i = 0; i < R.columns(); i++) {
if (Math.abs(R.get(z, i))
> TOL) { // Versuch, numerische Probleme (Überbestimmtheit) zu vermeiden
p = i;
break pivotfinden;
}
}
// Fall Kein Pivot gefunden (d.h. linker Teil der Gleichung aus lauter Nullen)
if (p < 0) {
if (debug) System.out.println("Warnung: kein Pivot gefunden in Zeile " + z);
// Kontrolle, ob rechte Seite (c) auch null --> ok, sonst Widerspruch im GLS
if (Math.abs(c.get(z, 0)) > TOL) {
System.out.println("widersprüchliche Gleichungen im System! Zeile " + z);
throw new ArithmeticException("Widerspruch im Gleichungssystem!");
} else {
if (debug)
System.out.println("Entwarnung: Zeile " + z + " besteht aus lauter Nullen (ok)");
continue;
}
}
// kontrollieren, ob es in der Gleichung (Zeile) eine neue Unbestimmte Variable (i.d.R. Pivot)
// hat.
boolean alleVarBestimmt = true;
int effPivot = p; // effektiver Pivot (1. Unbestimmte Variable der Zeile), i.d.R. Pivot
for (int i = p; i < R.columns(); i++) {
if (x[i][0] == 0 && Math.abs(R.viewRow(z).get(i)) > TOL) {
alleVarBestimmt = false;
effPivot = i; // i.d.R. effPivot=p, aber nicht immer.
break;
}
}
if (alleVarBestimmt) { // alle Variablen (inkl.Pivot) schon bestimmt!
// CHECKEN, ob (Zeile "+z+") nicht widersprüchlich
double[] kontrolle = new double[1 + anzUnbestParam];
for (int j = 0; j < kontrolle.length; j++) kontrolle[j] = 0;
for (int i = p; i < R.columns(); i++) {
for (int j = 0; j < kontrolle.length; j++) {
kontrolle[j] += R.viewRow(z).get(i) * x[i][j + 1];
}
}
kontrolle[0] -= c.get(z, 0);
// TODO TESTEN!
boolean alleParamNull = true;
int bekParam = -1; // Parameter der aus der Gleichung bestimmt werden kann.
for (int j = kontrolle.length - 1; j > 0; j--) {
if (Math.abs(kontrolle[j]) > TOL) {
alleParamNull = false;
if (bekParam < 0) bekParam = j;
}
}
// Überprüfen, ob Gleichung widersprüchlich ist
if (alleParamNull) { // TODO ev. nochmals prüfen ob alle 0 mit geringerer Toleranz (Problem
// fastNull*Param ≠ 0 könnte bedeuten dass Param = 0). Zumindestens
// wenn noch Parameter zu vergeben.
double obnull = Math.abs(kontrolle[0]);
if (obnull > TOL) {
System.out.println("");
System.out.println(
"Widerspruch im Gleichungssystem! (Zeile "
+ z
+ ") "
+ obnull
+ " ungleich 0"); // TODO: URSPRÜNGLICH ZEILE (piv) ANGEBEN!
System.out.println("eventuell numerisches Problem");
throw new ArithmeticException("Widerspruch im Gleichungssystem!");
} else continue; // nächste Gleichung
}
// else
// Ein schon vergebener Parameter kann ausgerechnet werden
// Schlaufe über bisherige Lösung
assert bekParam > 0;
for (int xi = 0; xi < x.length; xi++) {
double faktor = x[xi][1 + bekParam];
if (Math.abs(faktor) < TOL) continue;
// Einsetzen
assert x[xi][0] > 0; // bestimmt
for (int j = 0; j < kontrolle.length; j++) {
if (j != bekParam) {
x[xi][j + 1] += -kontrolle[j] * faktor / kontrolle[bekParam];
}
}
}
for (int xi = 0; xi < x.length; xi++) {
// Parameter nachrutschen
if (bekParam < anzUnbestParam) { // d.h. nicht der letzte zu vergebende Parameter.
for (int j = bekParam; j < anzUnbestParam; j++) {
x[xi][j + 1] = x[xi][j + 2];
x[xi][j + 2] = 0;
}
} else x[xi][bekParam + 1] = 0;
}
if (debug)
System.err.println(
"VORSICHT, wenig GETESTETES Modul des Solvers im Einsatz."); // TODO Warnung
// entfernen, da
// vermutlich i.O.
gebrauchteUnbestParam--;
}
// Normalfall, unbestimmter (effektiver) Pivot vorhanden
else {
// unbekannte
x[effPivot][1] = c.get(z, 0) / R.viewRow(z).get(effPivot);
for (int i = R.columns() - 1; i >= p; i--) { // R.Spalten, da dies AnzUnbek x entspricht
if (i == effPivot) continue;
if (x[i][0] == 0) { // unbestimmt, aber nicht Pivot
if (Math.abs(R.viewRow(z).get(i)) > TOL) { // TODO testen!!!
if (gebrauchteUnbestParam >= anzUnbestParam) {
System.err.println(
"Programmfehler in solver: gebrauchteUnbestParam >= anzUnbestParam");
throw new AssertionError(
"Programmfehler in solver: gebrauchteUnbestParam >= anzUnbestParam");
}
x[i][gebrauchteUnbestParam + 2] = 1; // neuer Parameter (alpha, beta) setzen
x[i][0] = 1; // bestimmt (auch wenn von Parameter abhängig).
gebrauchteUnbestParam++;
}
}
x[effPivot][1] += -R.viewRow(z).get(i) * x[i][1] / R.viewRow(z).get(effPivot);
for (int j = 0; j < gebrauchteUnbestParam; j++) {
x[effPivot][2 + j] += -R.viewRow(z).get(i) * x[i][2 + j] / R.viewRow(z).get(effPivot);
}
}
x[effPivot][0] = 1;
}
}
if (debug) {
System.out.println("");
for (int i = 0; i < x.length; i++) {
System.out.print("x" + i + " = " + Fkt.nf(x[i][1], 3));
for (int j = 2; j < x[i].length; j++) {
System.out.print(", P" + (j - 1) + " = " + Fkt.nf(x[i][j], 3));
}
System.out.println("");
}
}
// ------------------
// Lösung zurückgeben
// ------------------
// Lösung x: nur eindeutige (d.h. parameterunabhängige xi) werden zurückgegeben
// index 0: Wert = 0 bedeutet xi unbestimmt, Wert = 1 bedeutet xi bestimmt
// index 1: eigentlicher Wert (nur wenn xi bestimmt, dh index 0 = 1, sonst Wert 0)
xLsg = new double[R.columns()][2];
for (int i = 0; i < x.length; i++) {
boolean bestimmt;
if (x[i][0] > 0) {
bestimmt = true;
// schauen, ob Lösungsvariable xi bestimmt, dh unabhängig von überzähligen Parametern
for (int j = 2; j < x[i].length; j++) {
if (Math.abs(x[i][j]) > TOL) bestimmt = false;
}
} else bestimmt = false;
if (bestimmt) {
xLsg[i][0] = 1;
xLsg[i][1] = x[i][1];
} else xLsg[i][0] = 0;
}
solved = true;
return xLsg;
}
protected double computeFunctionGradient(double lambda[], double grad[]) {
initMDone = false;
if (params.trainerType.equals("ll")) return computeFunctionGradientLL(lambda, grad);
double logli = 0;
try {
for (int f = 0; f < lambda.length; f++) {
grad[f] = -1 * lambda[f] * params.invSigmaSquare;
logli -= ((lambda[f] * lambda[f]) * params.invSigmaSquare) / 2;
}
boolean doScaling = params.doScaling;
diter.startScan();
if (featureGenCache != null) featureGenCache.startDataScan();
int numRecord = 0;
for (numRecord = 0; diter.hasNext(); numRecord++) {
DataSequence dataSeq = (DataSequence) diter.next();
if (featureGenCache != null) featureGenCache.nextDataIndex();
if (params.debugLvl > 1) {
Util.printDbg("Read next seq: " + numRecord + " logli " + logli);
}
alpha_Y.assign(1);
for (int f = 0; f < lambda.length; f++) ExpF[f] = 0;
if ((beta_Y == null) || (beta_Y.length < dataSeq.length())) {
beta_Y = new DenseDoubleMatrix1D[2 * dataSeq.length()];
for (int i = 0; i < beta_Y.length; i++) beta_Y[i] = new DenseDoubleMatrix1D(numY);
scale = new double[2 * dataSeq.length()];
}
// compute beta values in a backward scan.
// also scale beta-values to 1 to avoid numerical problems.
scale[dataSeq.length() - 1] = (doScaling) ? numY : 1;
beta_Y[dataSeq.length() - 1].assign(1.0 / scale[dataSeq.length() - 1]);
for (int i = dataSeq.length() - 1; i > 0; i--) {
if (params.debugLvl > 2) {
Util.printDbg("Features fired");
// featureGenerator.startScanFeaturesAt(dataSeq, i);
// while (featureGenerator.hasNext()) {
// Feature feature = featureGenerator.next();
// Util.printDbg(feature.toString());
// }
}
// compute the Mi matrix
initMDone =
computeLogMi(
featureGenerator, lambda, dataSeq, i, Mi_YY, Ri_Y, true, reuseM, initMDone);
tmp_Y.assign(beta_Y[i]);
tmp_Y.assign(Ri_Y, multFunc);
RobustMath.Mult(Mi_YY, tmp_Y, beta_Y[i - 1], 1, 0, false, edgeGen);
// Mi_YY.zMult(tmp_Y, beta_Y[i-1]);
// need to scale the beta-s to avoid overflow
scale[i - 1] = doScaling ? beta_Y[i - 1].zSum() : 1;
if ((scale[i - 1] < 1) && (scale[i - 1] > -1)) scale[i - 1] = 1;
constMultiplier.multiplicator = 1.0 / scale[i - 1];
beta_Y[i - 1].assign(constMultiplier);
}
double thisSeqLogli = 0;
for (int i = 0; i < dataSeq.length(); i++) {
// compute the Mi matrix
initMDone =
computeLogMi(
featureGenerator, lambda, dataSeq, i, Mi_YY, Ri_Y, true, reuseM, initMDone);
// find features that fire at this position..
featureGenerator.startScanFeaturesAt(dataSeq, i);
if (i > 0) {
tmp_Y.assign(alpha_Y);
RobustMath.Mult(Mi_YY, tmp_Y, newAlpha_Y, 1, 0, true, edgeGen);
// Mi_YY.zMult(tmp_Y, newAlpha_Y,1,0,true);
newAlpha_Y.assign(Ri_Y, multFunc);
} else {
newAlpha_Y.assign(Ri_Y);
}
while (featureGenerator.hasNext()) {
Feature feature = featureGenerator.next();
int f = feature.index();
int yp = feature.y();
int yprev = feature.yprev();
float val = feature.value();
if ((dataSeq.y(i) == yp)
&& (((i - 1 >= 0) && (yprev == dataSeq.y(i - 1))) || (yprev < 0))) {
grad[f] += val;
thisSeqLogli += val * lambda[f];
}
if (yprev < 0) {
ExpF[f] += newAlpha_Y.get(yp) * val * beta_Y[i].get(yp);
} else {
ExpF[f] +=
alpha_Y.get(yprev)
* Ri_Y.get(yp)
* Mi_YY.get(yprev, yp)
* val
* beta_Y[i].get(yp);
}
}
alpha_Y.assign(newAlpha_Y);
// now scale the alpha-s to avoid overflow problems.
constMultiplier.multiplicator = 1.0 / scale[i];
alpha_Y.assign(constMultiplier);
if (params.debugLvl > 2) {
System.out.println("Alpha-i " + alpha_Y.toString());
System.out.println("Ri " + Ri_Y.toString());
System.out.println("Mi " + Mi_YY.toString());
System.out.println("Beta-i " + beta_Y[i].toString());
}
}
double Zx = alpha_Y.zSum();
thisSeqLogli -= log(Zx);
// correct for the fact that alpha-s were scaled.
for (int i = 0; i < dataSeq.length(); i++) {
thisSeqLogli -= log(scale[i]);
}
logli += thisSeqLogli;
// update grad.
for (int f = 0; f < grad.length; f++) grad[f] -= ExpF[f] / Zx;
if (params.debugLvl > 1) {
System.out.println(
"Sequence "
+ thisSeqLogli
+ " logli "
+ logli
+ " log(Zx) "
+ Math.log(Zx)
+ " Zx "
+ Zx);
}
}
if (params.debugLvl > 2) {
for (int f = 0; f < lambda.length; f++) System.out.print(lambda[f] + " ");
System.out.println(" :x");
for (int f = 0; f < lambda.length; f++)
System.out.println(featureGenerator.featureName(f) + " " + grad[f] + " ");
System.out.println(" :g");
}
if (params.debugLvl > 0)
Util.printDbg(
"Iter "
+ icall
+ " log likelihood "
+ logli
+ " norm(grad logli) "
+ norm(grad)
+ " norm(x) "
+ norm(lambda));
if (icall == 0) {
System.out.println("Number of training records" + numRecord);
}
} catch (Exception e) {
System.out.println("Alpha-i " + alpha_Y.toString());
System.out.println("Ri " + Ri_Y.toString());
System.out.println("Mi " + Mi_YY.toString());
e.printStackTrace();
System.exit(0);
}
return logli;
}