New git HEAD version
[libdai.git] / src / emalg.cpp
index 3ef4be4..68969f8 100644 (file)
@@ -1,22 +1,9 @@
-/*  Copyright (C) 2009  Charles Vaske  [cvaske at soe dot ucsc dot edu]
-    University of California Santa Cruz
-
-    This file is part of libDAI.
-
-    libDAI is free software; you can redistribute it and/or modify
-    it under the terms of the GNU General Public License as published by
-    the Free Software Foundation; either version 2 of the License, or
-    (at your option) any later version.
-
-    libDAI is distributed in the hope that it will be useful,
-    but WITHOUT ANY WARRANTY; without even the implied warranty of
-    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
-    GNU General Public License for more details.
-
-    You should have received a copy of the GNU General Public License
-    along with libDAI; if not, write to the Free Software
-    Foundation, Inc., 51 Franklin St, Fifth Floor, Boston, MA  02110-1301  USA
-*/
+/*  This file is part of libDAI - http://www.libdai.org/
+ *
+ *  Copyright (c) 2006-2011, The libDAI authors. All rights reserved.
+ *
+ *  Use of this source code is governed by a BSD-style license that can be found in the LICENSE file.
+ */
 
 
 #include <dai/util.h>
 namespace dai {
 
 
+// Initialize static private member of ParameterEstimation
 std::map<std::string, ParameterEstimation::ParamEstFactory> *ParameterEstimation::_registry = NULL;
 
 
 void ParameterEstimation::loadDefaultRegistry() {
-    _registry = new std::map< std::string, ParamEstFactory>();
-    (*_registry)["ConditionalProbEstimation"] = CondProbEstimation::factory;
+    _registry = new std::map<std::string, ParamEstFactory>();
+    (*_registry)["CondProbEstimation"] = CondProbEstimation::factory;
 }
 
 
-ParameterEstimation* ParameterEstimation::construct( const std::string& method, const PropertySet& p ) {
-    if (_registry == NULL)
+ParameterEstimation* ParameterEstimation::construct( const std::string &method, const PropertySet &p ) {
+    if( _registry == NULL )
         loadDefaultRegistry();
-    std::map< std::string, ParamEstFactory>::iterator i = _registry->find(method);
-    if (i == _registry->end())
-        DAI_THROW(UNKNOWN_PARAMETER_ESTIMATION_METHOD);
+    std::map<std::string, ParamEstFactory>::iterator i = _registry->find(method);
+    if( i == _registry->end() )
+        DAI_THROWE(UNKNOWN_PARAMETER_ESTIMATION_METHOD, "Unknown parameter estimation method: " + method);
     ParamEstFactory factory = i->second;
     return factory(p);
 }
 
 
-ParameterEstimation* CondProbEstimation::factory( const PropertySet& p ) {
-    size_t target_dimension =  p.getStringAs<size_t>("target_dim");
+std::string CondProbEstimation::_name = "CondProbEstimation";
+
+ParameterEstimation* CondProbEstimation::factory( const PropertySet &p ) {
+    size_t target_dimension = p.getStringAs<size_t>("target_dim");
     size_t total_dimension = p.getStringAs<size_t>("total_dim");
     Real pseudo_count = 1;
-    if (p.hasKey("pseudo_count"))
+    if( p.hasKey("pseudo_count") )
         pseudo_count = p.getStringAs<Real>("pseudo_count");
-    Prob counts_vec(total_dimension, pseudo_count);
-    return new CondProbEstimation(target_dimension, counts_vec);
+    return new CondProbEstimation( target_dimension, Prob( total_dimension, pseudo_count ) );
 }
 
-
-CondProbEstimation::CondProbEstimation( size_t target_dimension, Prob pseudocounts )
-  : _target_dim(target_dimension), _stats(pseudocounts), _initial_stats(pseudocounts) 
+CondProbEstimation::CondProbEstimation( size_t target_dimension, const Prob &pseudocounts )
+  : _target_dim(target_dimension), _initial_stats(pseudocounts), _props()
 {
-    if (_stats.size() % _target_dim)
-        DAI_THROW(MALFORMED_PROPERTY);
+    DAI_ASSERT( !(_initial_stats.size() % _target_dim) );
+    _props.setAsString<size_t>("target_dim", _target_dim);
+    _props.setAsString<size_t>("total_dim", _initial_stats.size());
+    _props.setAsString<Real>("pseudo_count", _initial_stats.get(0));
 }
 
 
-void CondProbEstimation::addSufficientStatistics( Prob& p ) {
-    _stats += p;
+Prob CondProbEstimation::parametersToFactor(const Prob& p) {
+    Prob result(p);
+    return result;
 }
 
-
-Prob CondProbEstimation::estimate() {
-    for (size_t parent = 0; parent < _stats.size(); parent += _target_dim) {
-        Real norm = 0;
+// In the case of a conditional probability table, the 
+// parameters are identical to the estimated factor
+Prob CondProbEstimation::parameters(const Prob& p) {
+    Prob stats = p + _initial_stats;
+    // normalize pseudocounts
+    for( size_t parent = 0; parent < stats.size(); parent += _target_dim ) {
+        // calculate norm
         size_t top = parent + _target_dim;
-        for (size_t i = parent; i < top; ++i)
-            norm += _stats[i];
-        if (norm != 0)
-            norm = 1 / norm;
-        for (size_t i = parent; i < top; ++i)
-            _stats[i] *= norm;
+        Real norm = 0.0;
+        for( size_t i = parent; i < top; ++i )
+            norm += stats[i];
+        if( norm != 0.0 )
+            norm = 1.0 / norm;
+        // normalize
+        for( size_t i = parent; i < top; ++i )
+            stats.set( i, stats[i] * norm );
     }
-    Prob result = _stats;
-    _stats = _initial_stats;
-    return result;
+    return stats;
 }
 
 
-Permute SharedParameters::calculatePermutation( const std::vector< Var >& varorder, VarSet& outVS ) {
-    std::vector<size_t> dims;
-    std::vector<long> labels;
-  
-    // Collect all labels and dimensions, and order them in vs
-    dims.reserve( varorder.size() );
-    labels.reserve( varorder.size() );
-    for( size_t i = 0; i < varorder.size(); i++ ) {
-        dims.push_back( varorder[i].states() );
-        labels.push_back( varorder[i].label() );
-        outVS |= varorder[i];
-    }
-  
-    // Construct the sigma array for the permutation object
-    std::vector<size_t> sigma;
-    sigma.reserve( dims.size() );
-    for (VarSet::iterator set_iterator = outVS.begin(); sigma.size() < dims.size(); ++set_iterator)
-        sigma.push_back( find(labels.begin(), labels.end(), set_iterator->label()) - labels.begin() );
-  
-    return Permute(dims, sigma);
+Permute SharedParameters::calculatePermutation( const std::vector<Var> &varOrder, VarSet &outVS ) {
+    outVS = VarSet( varOrder.begin(), varOrder.end(), varOrder.size() );
+    return Permute( varOrder );
 }
 
 
 void SharedParameters::setPermsAndVarSetsFromVarOrders() {
-    if (_varorders.size() == 0)
+    if( _varorders.size() == 0 )
         return;
-    if( _estimation == NULL )
-        DAI_THROW(INVALID_SHARED_PARAMETERS_ORDER);
+    DAI_ASSERT( _estimation != NULL );
+    _expectations = new Prob(_estimation->probSize(), 0);
 
     // Construct the permutation objects and the varsets
     for( FactorOrientations::const_iterator foi = _varorders.begin(); foi != _varorders.end(); ++foi ) {
         VarSet vs;
-        _perms[foi->first] = calculatePermutation(foi->second, vs);
+        _perms[foi->first] = calculatePermutation( foi->second, vs );
         _varsets[foi->first] = vs;
-        if( _estimation->probSize() != vs.nrStates() )
-            DAI_THROW(INVALID_SHARED_PARAMETERS_ORDER);
+        DAI_ASSERT( (BigInt)_estimation->probSize() == vs.nrStates() );
     }
 }
 
 
-SharedParameters::SharedParameters(std::istream& is, const FactorGraph& fg_varlookup)
-  : _varsets(), _perms(), _varorders(), _estimation(NULL), _deleteEstimation(true) 
+SharedParameters::SharedParameters( const FactorOrientations &varorders, ParameterEstimation *estimation, bool ownPE )
+  : _varsets(), _perms(), _varorders(varorders), _estimation(estimation), _ownEstimation(ownPE), _expectations(NULL)
 {
+    // Calculate the necessary permutations and varsets
+    setPermsAndVarSetsFromVarOrders();
+}
+
+
+SharedParameters::SharedParameters( std::istream &is, const FactorGraph &fg )
+  : _varsets(), _perms(), _varorders(), _estimation(NULL), _ownEstimation(true), _expectations(NULL)
+{
+    // Read the desired parameter estimation method from the stream
     std::string est_method;
     PropertySet props;
     is >> est_method;
     is >> props;
 
-    _estimation = ParameterEstimation::construct(est_method, props);
+    // Construct a corresponding object
+    _estimation = ParameterEstimation::construct( est_method, props );
 
+    // Read in the factors that are to be estimated
     size_t num_factors;
     is >> num_factors;
     for( size_t sp_i = 0; sp_i < num_factors; ++sp_i ) {
         std::string line;
-        while(line.size() == 0 && getline(is, line))
+        while( line.size() == 0 && getline(is, line) )
             ;
 
-        std::vector< std::string > fields;
-        tokenizeString(line, fields, " \t");
+        std::vector<std::string> fields = tokenizeString( line, true, " \t" );
 
         // Lookup the factor in the factorgraph
-        if (fields.size() < 1)
-            DAI_THROW(INVALID_SHARED_PARAMETERS_INPUT_LINE);
+        if( fields.size() < 1 )
+            DAI_THROWE(INVALID_EMALG_FILE,"Empty line unexpected");
         std::istringstream iss;
-        iss.str(fields[0]);
+        iss.str( fields[0] );
         size_t factor;
         iss >> factor;
-        const VarSet& vs = fg_varlookup.factor(factor).vars();
-        if (fields.size() != vs.size() + 1)
-            DAI_THROW(INVALID_SHARED_PARAMETERS_INPUT_LINE);
+        const VarSet &vs = fg.factor(factor).vars();
+        if( fields.size() != vs.size() + 1 )
+            DAI_THROWE(INVALID_EMALG_FILE,"Number of fields does not match factor size");
 
         // Construct the vector of Vars
-        std::vector< Var > var_order;
+        std::vector<Var> var_order;
         var_order.reserve( vs.size() );
-        for (size_t fi = 1; fi < fields.size(); ++fi) {
+        for( size_t fi = 1; fi < fields.size(); ++fi ) {
             // Lookup a single variable by label
-            long label;
-            std::istringstream labelparse(fields[fi]);
+            size_t label;
+            std::istringstream labelparse( fields[fi] );
             labelparse >> label;
             VarSet::const_iterator vsi = vs.begin();
-            for ( ; vsi != vs.end(); ++vsi)
-                if (vsi->label() == label) 
+            for( ; vsi != vs.end(); ++vsi )
+                if( vsi->label() == label )
                     break;
-            if (vsi == vs.end())
-                DAI_THROW(INVALID_SHARED_PARAMETERS_INPUT_LINE);
-            var_order.push_back(*vsi);
+            if( vsi == vs.end() )
+                DAI_THROWE(INVALID_EMALG_FILE,"Specified variables do not match the factor variables");
+            var_order.push_back( *vsi );
         }
         _varorders[factor] = var_order;
     }
-    setPermsAndVarSetsFromVarOrders();
-}
-
 
-SharedParameters::SharedParameters( const SharedParameters& sp ) 
-  : _varsets(sp._varsets), _perms(sp._perms), _varorders(sp._varorders), _estimation(sp._estimation), _deleteEstimation(sp._deleteEstimation)
-{
-    if (_deleteEstimation)
-        _estimation = _estimation->clone();
-}
-
-
-SharedParameters::SharedParameters( const FactorOrientations& varorders, ParameterEstimation* estimation )
-  : _varsets(), _perms(), _varorders(varorders), _estimation(estimation), _deleteEstimation(false) 
-{
+    // Calculate the necessary permutations
     setPermsAndVarSetsFromVarOrders();
 }
 
 
-void SharedParameters::collectSufficientStatistics(InfAlg& alg) {
-    for ( std::map< FactorIndex, Permute >::iterator i = _perms.begin(); i != _perms.end(); ++i) {
-        Permuteperm = i->second;
-        VarSetvs = _varsets[i->first];
-        
+void SharedParameters::collectExpectations( InfAlg &alg ) {
+    for( std::map< FactorIndex, Permute >::iterator i = _perms.begin(); i != _perms.end(); ++i ) {
+        Permute &perm = i->second;
+        VarSet &vs = _varsets[i->first];
+
         Factor b = alg.belief(vs);
-        Prob p(b.states(), 0.0);
-        for (size_t entry = 0; entry < b.states(); ++entry)
-            p[entry] = b[perm.convert_linear_index(entry)];
-        _estimation->addSufficientStatistics(p);
+        Prob p( b.nrStates(), 0.0 );
+        for( size_t entry = 0; entry < b.nrStates(); ++entry )
+            p.set( entry, b[perm.convertLinearIndex(entry)] ); // apply inverse permutation
+        (*_expectations) += p;
     }
 }
 
 
-void SharedParameters::setParameters(FactorGraph& fg) {
-    Prob p = _estimation->estimate();
-    for ( std::map< FactorIndex, Permute >::iterator i = _perms.begin(); i != _perms.end(); ++i) {
-        Permuteperm = i->second;
-        VarSetvs = _varsets[i->first];
-        
-        Factor f(vs, 0.0);
-        for (size_t entry = 0; entry < f.states(); ++entry)
-            f[perm.convert_linear_index(entry)] = p[entry];
+void SharedParameters::setParameters( FactorGraph &fg ) {
+    Prob p = _estimation->estimate(this->currentExpectations());
+    for( std::map<FactorIndex, Permute>::iterator i = _perms.begin(); i != _perms.end(); ++i ) {
+        Permute &perm = i->second;
+        VarSet &vs = _varsets[i->first];
+
+        Factor f( vs, 0.0 );
+        for( size_t entry = 0; entry < f.nrStates(); ++entry )
+            f.set( perm.convertLinearIndex(entry), p[entry] );
 
-        fg.setFactor(i->first, f);
+        fg.setFactor( i->first, f );
     }
 }
 
 
-MaximizationStep::MaximizationStep (std::istream& is, const FactorGraph& fg_varlookup ) 
-  : _params()
-{
+MaximizationStep::MaximizationStep( std::istream &is, const FactorGraph &fg_varlookup ) : _params() {
     size_t num_params = -1;
     is >> num_params;
-    _params.reserve(num_params);
-    for (size_t i = 0; i < num_params; ++i) {
-        SharedParameters p(is, fg_varlookup);
-        _params.push_back(p);
-    }
+    _params.reserve( num_params );
+    for( size_t i = 0; i < num_params; ++i )
+        _params.push_back( SharedParameters( is, fg_varlookup ) );
 }
 
 
-void MaximizationStep::addExpectations(InfAlg& alg) {
-    for (size_t i = 0; i < _params.size(); ++i)
-        _params[i].collectSufficientStatistics(alg);
+void MaximizationStep::addExpectations( InfAlg &alg ) {
+    for( size_t i = 0; i < _params.size(); ++i )
+        _params[i].collectExpectations( alg );
 }
 
 
-void MaximizationStep::maximize(FactorGraph& fg) {
-    for (size_t i = 0; i < _params.size(); ++i)
-        _params[i].setParameters(fg);
+void MaximizationStep::maximize( FactorGraph &fg ) {
+    for( size_t i = 0; i < _params.size(); ++i )
+        _params[i].setParameters( fg );
 }
 
 
+void MaximizationStep::clear( ) {
+    for( size_t i = 0; i < _params.size(); ++i )
+        _params[i].clear( );
+}
+
 const std::string EMAlg::MAX_ITERS_KEY("max_iters");
 const std::string EMAlg::LOG_Z_TOL_KEY("log_z_tol");
 const size_t EMAlg::MAX_ITERS_DEFAULT = 30;
 const Real EMAlg::LOG_Z_TOL_DEFAULT = 0.01;
 
 
-EMAlg::EMAlg(const Evidence& evidence, InfAlg& estep, std::istream& msteps_file)
+EMAlg::EMAlg( const Evidence &evidence, InfAlg &estep, std::istream &msteps_file )
   : _evidence(evidence), _estep(estep), _msteps(), _iters(0), _lastLogZ(), _max_iters(MAX_ITERS_DEFAULT), _log_z_tol(LOG_Z_TOL_DEFAULT)
 {
     msteps_file.exceptions( std::istream::eofbit | std::istream::failbit | std::istream::badbit );
     size_t num_msteps = -1;
     msteps_file >> num_msteps;
     _msteps.reserve(num_msteps);
-    for (size_t i = 0; i < num_msteps; ++i) {
-        MaximizationStep m(msteps_file, estep.fg());
-        _msteps.push_back(m);
-    }
-}      
+    for( size_t i = 0; i < num_msteps; ++i )
+        _msteps.push_back( MaximizationStep( msteps_file, estep.fg() ) );
+}
 
 
-void EMAlg::setTermConditions(const PropertySet &p) {
-    if (p.hasKey(MAX_ITERS_KEY))
+void EMAlg::setTermConditions( const PropertySet &p ) {
+    if( p.hasKey(MAX_ITERS_KEY) )
         _max_iters = p.getStringAs<size_t>(MAX_ITERS_KEY);
-    if (p.hasKey(LOG_Z_TOL_KEY))
+    if( p.hasKey(LOG_Z_TOL_KEY) )
         _log_z_tol = p.getStringAs<Real>(LOG_Z_TOL_KEY);
 }
 
 
 bool EMAlg::hasSatisfiedTermConditions() const {
-    if (_iters >= _max_iters) {
+    if( _iters >= _max_iters )
         return true;
-    } else if (_lastLogZ.size() < 3) { 
+    else if( _lastLogZ.size() < 3 )
         // need at least 2 to calculate ratio
         // Also, throw away first iteration, as the parameters may not
         // have been normalized according to the estimation method
         return false;
-    else {
+    else {
         Real current = _lastLogZ[_lastLogZ.size() - 1];
         Real previous = _lastLogZ[_lastLogZ.size() - 2];
-        if (previous == 0) 
+        if( previous == 0 )
             return false;
         Real diff = current - previous;
-        if (diff < 0) {
+        if( diff < 0 ) {
             std::cerr << "Error: in EM log-likehood decreased from " << previous << " to " << current << std::endl;
             return true;
         }
-        return diff / abs(previous) <= _log_z_tol;
+        return (diff / fabs(previous)) <= _log_z_tol;
     }
 }
 
 
-Real EMAlg::iterate( MaximizationStepmstep ) {
+Real EMAlg::iterate( MaximizationStep &mstep ) {
     Real logZ = 0;
+    Real likelihood = 0;
+
+    mstep.clear();
+
+    _estep.run();
+    logZ = _estep.logZ();
 
     // Expectation calculation
     for( Evidence::const_iterator e = _evidence.begin(); e != _evidence.end(); ++e ) {
         InfAlg* clamped = _estep.clone();
-        e->applyEvidence(*clamped);
+        // Apply evidence
+        for( Evidence::Observation::const_iterator i = e->begin(); i != e->end(); ++i )
+            clamped->clamp( clamped->fg().findVar(i->first), i->second );
         clamped->init();
         clamped->run();
-      
-        logZ += clamped->logZ();
 
-        mstep.addExpectations(*clamped);
+        likelihood += clamped->logZ() - logZ;
+
+        mstep.addExpectations( *clamped );
 
         delete clamped;
     }
-    
+
     // Maximization of parameters
-    mstep.maximize(_estep.fg());
+    mstep.maximize( _estep.fg() );
 
-    return logZ;
+    return likelihood;
 }
 
 
 Real EMAlg::iterate() {
     Real likelihood;
-    for (size_t i = 0; i < _msteps.size(); ++i)
-        likelihood = iterate(_msteps[i]);
-    _lastLogZ.push_back(likelihood);
+    for( size_t i = 0; i < _msteps.size(); ++i )
+        likelihood = iterate( _msteps[i] );
+    _lastLogZ.push_back( likelihood );
     ++_iters;
     return likelihood;
 }
 
 
 void EMAlg::run() {
-    while(!hasSatisfiedTermConditions())
+    while( !hasSatisfiedTermConditions() )
         iterate();
 }