source: trunk/yat/classifier/NBC.cc @ 1157

Last change on this file since 1157 was 1157, checked in by Markus Ringnér, 14 years ago

Refs #318

  • Property svn:eol-style set to native
  • Property svn:keywords set to Id
File size: 6.0 KB
Line 
1// $Id: NBC.cc 1157 2008-02-26 13:25:19Z markus $
2
3/*
4  Copyright (C) 2006 Jari Häkkinen, Markus Ringnér, Peter Johansson
5  Copyright (C) 2007 Peter Johansson
6
7  This file is part of the yat library, http://trac.thep.lu.se/yat
8
9  The yat library is free software; you can redistribute it and/or
10  modify it under the terms of the GNU General Public License as
11  published by the Free Software Foundation; either version 2 of the
12  License, or (at your option) any later version.
13
14  The yat library is distributed in the hope that it will be useful,
15  but WITHOUT ANY WARRANTY; without even the implied warranty of
16  MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU
17  General Public License for more details.
18
19  You should have received a copy of the GNU General Public License
20  along with this program; if not, write to the Free Software
21  Foundation, Inc., 59 Temple Place - Suite 330, Boston, MA
22  02111-1307, USA.
23*/
24
25#include "NBC.h"
26#include "DataLookup2D.h"
27#include "MatrixLookup.h"
28#include "MatrixLookupWeighted.h"
29#include "Target.h"
30#include "yat/statistics/AveragerWeighted.h"
31#include "yat/utility/Matrix.h"
32
33#include <cassert>
34#include <cmath>
35#include <stdexcept>
36#include <vector>
37
38namespace theplu {
39namespace yat {
40namespace classifier {
41
42  NBC::NBC() 
43    : SupervisedClassifier()
44  {
45  }
46
47
48  NBC::~NBC()   
49  {
50  }
51
52
53  NBC* NBC::make_classifier() const 
54  {     
55    return new NBC();
56  }
57
58
59  void NBC::train(const MatrixLookup& data, const Target& target)
60  {   
61    sigma2_.resize(data.rows(), target.nof_classes());
62    centroids_.resize(data.rows(), target.nof_classes());
63    utility::Matrix nof_in_class(data.rows(), target.nof_classes());
64   
65    for(size_t i=0; i<data.rows(); ++i) {
66      std::vector<statistics::Averager> aver(target.nof_classes());
67      for(size_t j=0; j<data.columns(); ++j) 
68        aver[target(j)].add(data(i,j));
69     
70      assert(centroids_.columns()==target.nof_classes());
71      for (size_t j=0; j<target.nof_classes(); ++j){
72        assert(i<centroids_.rows());
73        assert(j<centroids_.columns());
74        centroids_(i,j) = aver[j].mean();
75        assert(i<sigma2_.rows());
76        assert(j<sigma2_.columns());
77        if (aver[j].n()>1){
78          sigma2_(i,j) = aver[j].variance();
79          centroids_(i,j) = aver[j].mean();
80        }
81          else {
82            sigma2_(i,j) = std::numeric_limits<double>::quiet_NaN();
83            centroids_(i,j) = std::numeric_limits<double>::quiet_NaN();
84          }
85      }
86    }
87    trained_=true;
88  }   
89
90
91  void NBC::train(const MatrixLookupWeighted& data, const Target& target)
92  {   
93    sigma2_.resize(data.rows(), target.nof_classes());
94    centroids_.resize(data.rows(), target.nof_classes());
95    utility::Matrix nof_in_class(data.rows(), target.nof_classes());
96
97    for(size_t i=0; i<data.rows(); ++i) {
98      std::vector<statistics::AveragerWeighted> aver(target.nof_classes());
99      for(size_t j=0; j<data.columns(); ++j) 
100        aver[target(j)].add(data.data(i,j), data.weight(i,j));
101     
102      assert(centroids_.columns()==target.nof_classes());
103      for (size_t j=0; j<target.nof_classes(); ++j) {
104        assert(i<centroids_.rows());
105        assert(j<centroids_.columns());
106        assert(i<sigma2_.rows());
107        assert(j<sigma2_.columns());
108        if (aver[j].n()>1){
109          sigma2_(i,j) = aver[j].variance();
110          centroids_(i,j) = aver[j].mean();
111        }
112        else {
113          sigma2_(i,j) = std::numeric_limits<double>::quiet_NaN();
114          centroids_(i,j) = std::numeric_limits<double>::quiet_NaN();
115        }
116      }
117    }
118    trained_=true;
119  }
120
121
122  void NBC::predict(const DataLookup2D& x,                   
123                    utility::Matrix& prediction) const
124  {   
125    assert(x.rows()==sigma2_.rows());
126    assert(x.rows()==centroids_.rows());
127   
128   
129    // each row in prediction corresponds to a sample label (class)
130    prediction.resize(centroids_.columns(), x.columns(), 0);
131    // weighted calculation
132    if (const MatrixLookupWeighted* mlw = 
133        dynamic_cast<const MatrixLookupWeighted*>(&x)) {
134      // first calculate -lnP = sum ln_sigma_i + (x_i-m_i)^2/2sigma_i^2
135      for (size_t label=0; label<centroids_.columns(); ++label) {
136        double sum_log_sigma = sum_logsigma(label);
137        for (size_t sample=0; sample<prediction.rows(); ++sample) {
138          prediction(label,sample) = sum_log_sigma;
139          for (size_t i=0; i<x.rows(); ++i) 
140            // taking care of NaN and missing training features
141            if (mlw->weight(i, label) && !std::isnan(sigma2_(i, label))) {
142              prediction(label, sample) += mlw->weight(i, label)*
143                std::pow(mlw->data(i, label)-centroids_(i, label),2)/
144                sigma2_(i, label);
145            }
146     
147        }
148      }
149    }
150      // no weights
151    else if (const MatrixLookup* ml = dynamic_cast<const MatrixLookup*>(&x)) {
152      // first calculate -lnP = sum sigma_i + (x_i-m_i)^2/2sigma_i^2
153      for (size_t label=0; label<centroids_.columns(); ++label) {
154        double sum_log_sigma = sum_logsigma(label);
155        for (size_t sample=0; sample<prediction.rows(); ++sample) {
156          prediction(label,sample) = sum_log_sigma;
157          for (size_t i=0; i<ml->rows(); ++i) 
158            // Ignoring missing features
159            if (!std::isnan(sigma2_(i, label)))
160              prediction(label, sample) += 
161                std::pow((*ml)(i, label)-centroids_(i, label),2)/
162                sigma2_(i, label);
163        }
164      }
165    }
166    else {
167      std::string str = 
168        "Error in NBC::predict: DataLookup2D of unexpected class.";
169      throw std::runtime_error(str);
170    }
171
172
173    // -lnP might be a large number, in order to avoid out of bound
174    // problems when calculating P = exp(- -lnP), we centralize matrix
175    // by adding a constant.
176    statistics::Averager a;
177    add(a, prediction.begin(), prediction.end());
178    prediction -= a.mean();
179
180    // exponentiate
181    for (size_t i=0; i<prediction.rows(); ++i)
182      for (size_t j=0; j<prediction.columns(); ++j)
183        prediction(i,j) = std::exp(prediction(i,j));
184
185    // normalize each row (label) to sum up to unity (probability)
186    for (size_t i=0; i<prediction.rows(); ++i){
187      prediction.row_view(i) *= 1.0/sum(prediction.row_const_view(i));
188    }
189  }
190
191
192  double NBC::sum_logsigma(size_t label) const
193  {
194    double sum_log_sigma=0;
195    assert(label<sigma2_.columns());
196    for (size_t i=0; i<sigma2_.rows(); ++i) {
197      if (!std::isnan(sigma2_(i,label))) 
198        sum_log_sigma += std::log(sigma2_(i, label));
199    }
200    return sum_log_sigma / 2; // taking sum of log(sigma) not sigma2
201  }
202
203}}} // of namespace classifier, yat, and theplu
Note: See TracBrowser for help on using the repository browser.