tmp
This commit is contained in:
parent
b0b98ff47e
commit
4e9f933f8f
@ -21,7 +21,7 @@ add_example(fft_filter_ex OFF)
|
||||
add_example(windowfunc_ex OFF)
|
||||
add_example(legendre_ex OFF)
|
||||
add_example(refellipsoid_ex OFF)
|
||||
add_example(kde_ex OFF)
|
||||
add_example(kde_ex ON)
|
||||
add_example(meshio_ex OFF)
|
||||
add_example(autodiff_ex OFF)
|
||||
add_example(multinary_ex OFF)
|
||||
|
||||
@ -31,27 +31,45 @@
|
||||
using namespace gctl;
|
||||
|
||||
int main(int argc, char const *argv[]) try
|
||||
{
|
||||
/*
|
||||
{
|
||||
array<double> x(201);
|
||||
x.sequence(-1.0, 0.01);
|
||||
kde k(0.02, x);
|
||||
|
||||
array<double> d;
|
||||
array<double> a(100000);
|
||||
a.random(0, 0.2, RdNormal, 0);
|
||||
kde k(0.02, a);
|
||||
|
||||
array<double> x;
|
||||
linespace(-1.0, 1.0, 201, x);
|
||||
a.random_float(0.2, 0.2, RdNormal, 0);
|
||||
k.get_distribution(a, d);
|
||||
|
||||
gaussian_para1d g1(0, 0.2);
|
||||
array<double> g(201);
|
||||
for (size_t i = 0; i < x.size(); i++)
|
||||
{
|
||||
std::cout << x[i] << " "
|
||||
<< gaussian_dist1d(x[i], g1) << " "
|
||||
<< k.get_density_at(x[i]) << " "
|
||||
<< k.get_density_at(x[i], KDE_Epanechnikov) << " "
|
||||
<< k.get_density_at(x[i], KDE_Rectangular) << " "
|
||||
<< k.get_density_at(x[i], KDE_Triangular) << "\n";
|
||||
g[i] = gaussian_dist1d(x[i], g1);
|
||||
}
|
||||
*/
|
||||
|
||||
array<double> dm(201);
|
||||
array<double> am(100000, 0.0);
|
||||
/*
|
||||
for (size_t i = 0; i < am.size(); i++)
|
||||
{
|
||||
k.get_gradient_at(i, a, dm);
|
||||
|
||||
for (size_t j = 0; j < x.size(); j++)
|
||||
{
|
||||
am[i] += 2.0*(d[j] - g[j])*dm[j];
|
||||
}
|
||||
|
||||
std::cout << a[i] << " " << am[i] << "\n";
|
||||
}
|
||||
*/
|
||||
|
||||
for (size_t i = 0; i < x.size(); i++)
|
||||
{
|
||||
std::cout << x[i] << " " << d[i] - g[i] << "\n";
|
||||
}
|
||||
|
||||
/*
|
||||
array<double> a(100000), b(100000);
|
||||
a.random(0, 0.2, RdNormal, 0);
|
||||
b.random(1, 0.2, RdNormal, 0);
|
||||
@ -78,6 +96,7 @@ int main(int argc, char const *argv[]) try
|
||||
}
|
||||
|
||||
std::clog << "sum = " << sum << "\n";
|
||||
*/
|
||||
return 0;
|
||||
}
|
||||
catch(std::exception &e)
|
||||
|
||||
@ -43,149 +43,106 @@ void gctl::kde::init(double h, const array<double> &x)
|
||||
|
||||
h_ = h;
|
||||
x_ = x;
|
||||
xs_ = x.size();
|
||||
return;
|
||||
}
|
||||
|
||||
double gctl::kde::get_density_at(double x, kde_kernel_e k_type)
|
||||
void gctl::kde::get_distribution(const array<double> &m, array<double> &d,
|
||||
kde_kernel_e k_type)
|
||||
{
|
||||
double out = 0;
|
||||
double out;
|
||||
int ms = m.size();
|
||||
d.resize(xs_);
|
||||
|
||||
if (k_type == KDE_Gaussian)
|
||||
{
|
||||
for (size_t i = 0; i < x_.size(); i++)
|
||||
for (size_t i = 0; i < xs_; i++)
|
||||
{
|
||||
out += gaussian_kernel((x - x_[i])/h_);
|
||||
out = 0;
|
||||
for (size_t j = 0; j < ms; j++)
|
||||
{
|
||||
out += gaussian_kernel((x_[i] - m[j])/h_);
|
||||
}
|
||||
|
||||
d[i] = out/(h_*ms);
|
||||
}
|
||||
}
|
||||
else if (k_type == KDE_Epanechnikov)
|
||||
{
|
||||
for (size_t i = 0; i < x_.size(); i++)
|
||||
for (size_t i = 0; i < xs_; i++)
|
||||
{
|
||||
out += epanechnikov_kernel((x - x_[i])/h_);
|
||||
out = 0;
|
||||
for (size_t j = 0; j < ms; j++)
|
||||
{
|
||||
out += epanechnikov_kernel((x_[i] - m[j])/h_);
|
||||
}
|
||||
|
||||
d[i] = out/(h_*ms);
|
||||
}
|
||||
}
|
||||
else if (k_type == KDE_Rectangular)
|
||||
{
|
||||
for (size_t i = 0; i < x_.size(); i++)
|
||||
for (size_t i = 0; i < xs_; i++)
|
||||
{
|
||||
out += rectangular_kernel((x - x_[i])/h_);
|
||||
out = 0;
|
||||
for (size_t j = 0; j < ms; j++)
|
||||
{
|
||||
out += rectangular_kernel((x_[i] - m[j])/h_);
|
||||
}
|
||||
|
||||
d[i] = out/(h_*ms);
|
||||
}
|
||||
}
|
||||
else
|
||||
{
|
||||
for (size_t i = 0; i < x_.size(); i++)
|
||||
for (size_t i = 0; i < xs_; i++)
|
||||
{
|
||||
out += triangular_kernel((x - x_[i])/h_);
|
||||
out = 0;
|
||||
for (size_t j = 0; j < ms; j++)
|
||||
{
|
||||
out += triangular_kernel((x_[i] - m[j])/h_);
|
||||
}
|
||||
|
||||
d[i] = out/(h_*ms);
|
||||
}
|
||||
}
|
||||
return out/(h_*x_.size());
|
||||
return;
|
||||
}
|
||||
|
||||
double gctl::kde::get_kernel_density_at(size_t k_id, double x, kde_kernel_e k_type)
|
||||
void gctl::kde::get_gradient_at(size_t m_id, const array<double> &m,
|
||||
array<double> &dm, kde_kernel_e k_type)
|
||||
{
|
||||
if (k_id >= x_.size()) throw std::runtime_error("[gctl::kde::get_kernel_density_at(...)] Invalid kernel index.");
|
||||
dm.resize(xs_);
|
||||
int ms = m.size();
|
||||
|
||||
double out;
|
||||
if (k_type == KDE_Gaussian) out = gaussian_kernel((x - x_[k_id])/h_);
|
||||
else if (k_type == KDE_Epanechnikov) out = epanechnikov_kernel((x - x_[k_id])/h_);
|
||||
else if (k_type == KDE_Rectangular) out = rectangular_kernel((x - x_[k_id])/h_);
|
||||
else out = triangular_kernel((x - x_[k_id])/h_);
|
||||
|
||||
return out/h_;
|
||||
}
|
||||
|
||||
double gctl::kde::get_gradient_at(double x, kde_kernel_e k_type)
|
||||
{
|
||||
double out = 0;
|
||||
if (k_type == KDE_Gaussian)
|
||||
{
|
||||
for (size_t i = 0; i < x_.size(); i++)
|
||||
for (size_t i = 0; i < xs_; i++)
|
||||
{
|
||||
out += ((x - x_[i])/h_)*gaussian_kernel((x - x_[i])/h_);
|
||||
dm[i] = ((x_[i] - m[m_id])/h_)*gaussian_kernel((x_[i] - m[m_id])/h_)/(h_*h_*ms);
|
||||
}
|
||||
}
|
||||
else if (k_type == KDE_Epanechnikov)
|
||||
{
|
||||
for (size_t i = 0; i < x_.size(); i++)
|
||||
for (size_t i = 0; i < xs_; i++)
|
||||
{
|
||||
out += epanechnikov_kernel((x - x_[i])/h_, true);
|
||||
dm[i] = -1.0*epanechnikov_kernel((x_[i] - m[m_id])/h_, true)/(h_*h_*ms);
|
||||
}
|
||||
}
|
||||
else if (k_type == KDE_Rectangular)
|
||||
{
|
||||
for (size_t i = 0; i < x_.size(); i++)
|
||||
for (size_t i = 0; i < xs_; i++)
|
||||
{
|
||||
out += rectangular_kernel((x - x_[i])/h_, true);
|
||||
dm[i] = -1.0*rectangular_kernel((x_[i] - m[m_id])/h_, true)/(h_*h_*ms);
|
||||
}
|
||||
}
|
||||
else
|
||||
{
|
||||
for (size_t i = 0; i < x_.size(); i++)
|
||||
for (size_t i = 0; i < xs_; i++)
|
||||
{
|
||||
out += triangular_kernel((x - x_[i])/h_, true);
|
||||
dm[i] = -1.0*triangular_kernel((x_[i] - m[m_id])/h_, true)/(h_*h_*ms);
|
||||
}
|
||||
}
|
||||
return -1.0*out/(h_*h_*x_.size());
|
||||
}
|
||||
|
||||
double gctl::kde::get_kernel_gradient_at(size_t k_id, double x, kde_kernel_e k_type)
|
||||
{
|
||||
if (k_id >= x_.size()) throw std::runtime_error("[gctl::kde::get_kernel_gradient_at(...)] Invalid kernel index.");
|
||||
|
||||
double out;
|
||||
if (k_type == KDE_Gaussian) out = ((x - x_[k_id])/h_)*gaussian_kernel((x - x_[k_id])/h_);
|
||||
else if (k_type == KDE_Epanechnikov) out = epanechnikov_kernel((x - x_[k_id])/h_);
|
||||
else if (k_type == KDE_Rectangular) out = rectangular_kernel((x - x_[k_id])/h_);
|
||||
else out = triangular_kernel((x - x_[k_id])/h_);
|
||||
|
||||
return -1.0*out/(h_*h_);
|
||||
}
|
||||
|
||||
void gctl::kde::get_distribution(const array<double> x, array<double> &d,
|
||||
array<double> &dx, kde_kernel_e k_type, kde_norm_e n_type, double norm)
|
||||
{
|
||||
if (norm < 0.0) throw std::runtime_error("[GCTL Kernel Density Estimation] Invalid normalization value.");
|
||||
|
||||
size_t xnum = x.size();
|
||||
d.resize(xnum);
|
||||
dx.resize(xnum);
|
||||
|
||||
double s = 0.0;
|
||||
if (n_type == KDE_MAX2ONE)
|
||||
{
|
||||
for (size_t i = 0; i < xnum; i++)
|
||||
{
|
||||
d[i] = get_density_at(x[i], k_type);
|
||||
dx[i]= get_gradient_at(x[i], k_type);
|
||||
|
||||
s = std::max(s, d[i]);
|
||||
}
|
||||
}
|
||||
else if (n_type == KDE_SUM2ONE)
|
||||
{
|
||||
for (size_t i = 0; i < xnum; i++)
|
||||
{
|
||||
d[i] = get_density_at(x[i], k_type);
|
||||
dx[i]= get_gradient_at(x[i], k_type);
|
||||
|
||||
s += d[i];
|
||||
}
|
||||
}
|
||||
else
|
||||
{
|
||||
for (size_t i = 0; i < xnum; i++)
|
||||
{
|
||||
d[i] = get_density_at(x[i], k_type);
|
||||
dx[i]= get_gradient_at(x[i], k_type);
|
||||
}
|
||||
|
||||
s = norm;
|
||||
}
|
||||
|
||||
for (size_t i = 0; i < xnum; i++)
|
||||
{
|
||||
d[i] /= s;
|
||||
dx[i]/= s;
|
||||
}
|
||||
return;
|
||||
}
|
||||
|
||||
@ -199,7 +156,7 @@ double gctl::kde::epanechnikov_kernel(double x, bool gradient)
|
||||
if (gradient)
|
||||
{
|
||||
if (fabs(x) >= 1) return 0;
|
||||
else return 1.5*x;
|
||||
else return -1.5*x;
|
||||
}
|
||||
|
||||
if (fabs(x) >= 1) return 0;
|
||||
@ -219,8 +176,8 @@ double gctl::kde::triangular_kernel(double x, bool gradient)
|
||||
if (gradient)
|
||||
{
|
||||
if (fabs(x) >= 1) return 0;
|
||||
else if (x >= 0) return 1.0;
|
||||
else return -1.0;
|
||||
else if (x >= 0) return -1.0;
|
||||
else return 1.0;
|
||||
}
|
||||
|
||||
if (fabs(x) >= 1) return 0;
|
||||
|
||||
@ -53,27 +53,47 @@ namespace gctl
|
||||
{
|
||||
public:
|
||||
kde();
|
||||
kde(double h, const array<double> &x);
|
||||
virtual ~kde();
|
||||
|
||||
void init(double h, const array<double> &x);
|
||||
double get_density_at(double x, kde_kernel_e k_type = KDE_Gaussian);
|
||||
/**
|
||||
* @brief Construct a new kde object
|
||||
*
|
||||
* @param h 核函数的带宽
|
||||
* @param s 核密度估计的采样点序列
|
||||
*/
|
||||
kde(double h, const array<double> &s);
|
||||
|
||||
/**
|
||||
* @brief Get the probability density of a single kernel. Note the value is not normalized by the kernel number.
|
||||
* @brief 初始化核密度估计对象
|
||||
*
|
||||
* @param k_id kernel index
|
||||
* @param x inquiring location
|
||||
* @param k_type kernel type
|
||||
* @return kernel value
|
||||
* @param h 核函数的带宽
|
||||
* @param x 核密度估计的采样点序列
|
||||
*/
|
||||
double get_kernel_density_at(size_t k_id, double x, kde_kernel_e k_type = KDE_Gaussian);
|
||||
double get_gradient_at(double x, kde_kernel_e k_type = KDE_Gaussian);
|
||||
double get_kernel_gradient_at(size_t k_id, double x, kde_kernel_e k_type = KDE_Gaussian);
|
||||
void get_distribution(const array<double> x, array<double> &d, array<double> &dx,
|
||||
kde_kernel_e k_type = KDE_Gaussian, kde_norm_e n_type = KDE_MAX2ONE, double norm = 1.0);
|
||||
void init(double h, const array<double> &s);
|
||||
|
||||
/**
|
||||
* @brief 计算集合的概率密度分布
|
||||
*
|
||||
* @param m 待计算的数据集合
|
||||
* @param d 采样点处的概率分布
|
||||
* @param k_type 核函数类型
|
||||
*/
|
||||
void get_distribution(const array<double> &m, array<double> &d,
|
||||
kde_kernel_e k_type = KDE_Gaussian);
|
||||
|
||||
/**
|
||||
* @brief 计算集合的概率密度分布相对于集合元素的偏导数
|
||||
*
|
||||
* @param m_id 待计算集合元素的索引
|
||||
* @param m 待计算的数据集合
|
||||
* @param dm 概率分布相对于集合元素m_id的偏导数
|
||||
* @param k_type 核函数类型
|
||||
*/
|
||||
void get_gradient_at(size_t m_id, const array<double> &m, array<double> &dm,
|
||||
kde_kernel_e k_type = KDE_Gaussian);
|
||||
|
||||
private:
|
||||
size_t xs_;
|
||||
double h_;
|
||||
array<double> x_;
|
||||
|
||||
|
||||
Loading…
Reference in New Issue
Block a user