Add some comments and macros to make the code more readable
[pspp-builds.git] / src / language / stats / roc.c
index e6251b36b38ff79c495931e1b805f4489df3c992..024c9f85297c5bf3fc15fae0f7af95fac121b09e 100644 (file)
 
 #include <config.h>
 
-#include "roc.h"
 #include <data/procedure.h>
 #include <language/lexer/variable-parser.h>
 #include <language/lexer/value-parser.h>
+#include <language/command.h>
 #include <language/lexer/lexer.h>
 
 #include <data/casegrouper.h>
@@ -47,8 +47,9 @@ struct cmd_roc
 {
   size_t n_vars;
   const struct variable **vars;
+  const struct dictionary *dict;
 
-  struct variable *state_var ;
+  const struct variable *state_var ;
   union value state_value;
 
   /* Plot the roc curve */
@@ -66,6 +67,11 @@ struct cmd_roc
 
   bool invert ; /* True iff a smaller test result variable indicates
                   a positive result */
+
+  double pos;
+  double neg;
+  double pos_weighted;
+  double neg_weighted;
 };
 
 static int run_roc (struct dataset *ds, struct cmd_roc *roc);
@@ -86,21 +92,24 @@ cmd_roc (struct lexer *lexer, struct dataset *ds)
   roc.ci = 95;
   roc.bi_neg_exp = false;
   roc.invert = false;
+  roc.pos = roc.pos_weighted = 0;
+  roc.neg = roc.neg_weighted = 0;
+  roc.dict = dataset_dict (ds);
 
   if (!parse_variables_const (lexer, dict, &roc.vars, &roc.n_vars,
                              PV_APPEND | PV_NO_DUPLICATE | PV_NUMERIC))
-    return 2;
+    goto error;;
 
   if ( ! lex_force_match (lexer, T_BY))
     {
-      return 2;
+      goto error;;
     }
 
   roc.state_var = parse_variable (lexer, dict);
 
   if ( !lex_force_match (lexer, '('))
     {
-      return 2;
+      goto error;;
     }
 
   parse_value (lexer, &roc.state_value, var_get_width (roc.state_var));
@@ -108,7 +117,7 @@ cmd_roc (struct lexer *lexer, struct dataset *ds)
 
   if ( !lex_force_match (lexer, ')'))
     {
-      return 2;
+      goto error;;
     }
 
 
@@ -131,7 +140,7 @@ cmd_roc (struct lexer *lexer, struct dataset *ds)
              else
                {
                   lex_error (lexer, NULL);
-                 return 2;
+                 goto error;;
                }
            }
        }
@@ -155,7 +164,7 @@ cmd_roc (struct lexer *lexer, struct dataset *ds)
          else
            {
              lex_error (lexer, NULL);
-             return 2;
+             goto error;;
            }
        }
       else if (lex_match_id (lexer, "PRINT"))
@@ -174,7 +183,7 @@ cmd_roc (struct lexer *lexer, struct dataset *ds)
              else
                {
                  lex_error (lexer, NULL);
-                 return 2;
+                 goto error;;
                }
            }
        }
@@ -197,7 +206,7 @@ cmd_roc (struct lexer *lexer, struct dataset *ds)
                  else
                    {
                      lex_error (lexer, NULL);
-                     return 2;
+                     goto error;;
                    }
                  lex_force_match (lexer, ')');
                }
@@ -215,7 +224,7 @@ cmd_roc (struct lexer *lexer, struct dataset *ds)
                  else
                    {
                      lex_error (lexer, NULL);
-                     return 2;
+                     goto error;;
                    }
                  lex_force_match (lexer, ')');
                }
@@ -241,14 +250,14 @@ cmd_roc (struct lexer *lexer, struct dataset *ds)
                  else
                    {
                      lex_error (lexer, NULL);
-                     return 2;
+                     goto error;;
                    }
                  lex_force_match (lexer, ')');
                }
              else
                {
                  lex_error (lexer, NULL);
-                 return 2;
+                 goto error;;
                }
            }
        }
@@ -259,9 +268,14 @@ cmd_roc (struct lexer *lexer, struct dataset *ds)
        }
     }
 
-  run_roc (ds, &roc);
+  if ( ! run_roc (ds, &roc)) 
+    goto error;;
+
+  return CMD_SUCCESS;
 
-  return 1;
+ error:
+  free (roc.vars);
+  return CMD_FAILURE;
 }
 
 
@@ -310,14 +324,36 @@ dump_casereader (struct casereader *reader)
 }
 #endif
 
+
+/* 
+   Return true iff the state variable indicates that C has positive actual state.
+
+   As a side effect, this function also accumulates the roc->{pos,neg} and 
+   roc->{pos,neg}_weighted counts.
+ */
 static bool
 match_positives (const struct ccase *c, void *aux)
 {
   struct cmd_roc *roc = aux;
+  const struct variable *wv = dict_get_weight (roc->dict);
+  const double weight = wv ? case_data (c, wv)->f : 1.0;
+
+  const bool positive =
+  ( 0 == value_compare_3way (case_data (c, roc->state_var), &roc->state_value,
+    var_get_width (roc->state_var)));
+
+  if ( positive )
+    {
+      roc->pos++;
+      roc->pos_weighted += weight;
+    }
+  else
+    {
+      roc->neg++;
+      roc->neg_weighted += weight;
+    }
 
-  return 0 == value_compare_3way (case_data (c, roc->state_var),
-                                 &roc->state_value,
-                                 var_get_width (roc->state_var));
+  return positive;
 }
 
 
@@ -325,6 +361,8 @@ match_positives (const struct ccase *c, void *aux)
 #define N_EQ   1
 #define N_PRED 2
 
+/* Some intermediate state for calculating the cutpoints and the 
+   standard error values */
 struct roc_state
 {
   double auc;
@@ -342,8 +380,6 @@ struct roc_state
   double max;
 };
 
-
-
 #define CUTPOINT 0
 #define TP 1
 #define FN 2
@@ -351,6 +387,15 @@ struct roc_state
 #define FP 4
 
 
+/* 
+   Return a new casereader based upon CUTPOINT_RDR.
+   The number of "positive" cases are placed into
+   the position TRUE_INDEX, and the number of "negative" cases
+   into FALSE_INDEX.
+   POS_COND and RESULT determine the semantics of what is 
+   "positive".
+   WEIGHT is the value of a single count.
+ */
 static struct casereader *
 accumulate_counts (struct casereader *cutpoint_rdr, 
                   double result, double weight, 
@@ -364,12 +409,13 @@ accumulate_counts (struct casereader *cutpoint_rdr,
   struct ccase *cpc;
   double prev_cp = SYSMIS;
 
-
   for ( ; (cpc = casereader_read (r) ); case_unref (cpc))
     {
       struct ccase *new_case;
       const double cp = case_data_idx (cpc, CUTPOINT)->f;
 
+      assert (cp != SYSMIS);
+
       /* We don't want duplicates here */
       if ( cp == prev_cp )
        continue;
@@ -377,13 +423,9 @@ accumulate_counts (struct casereader *cutpoint_rdr,
       new_case = case_clone (cpc);
 
       if ( pos_cond (result, cp))
-       {
-         case_data_rw_idx (new_case, true_index)->f += weight;
-       }
+       case_data_rw_idx (new_case, true_index)->f += weight;
       else
-       {
-         case_data_rw_idx (new_case, false_index)->f += weight;
-       }
+       case_data_rw_idx (new_case, false_index)->f += weight;
 
       prev_cp = cp;
 
@@ -407,10 +449,10 @@ process_group (const struct variable *var, struct casereader *reader,
               struct casereader **cutpoint_rdr, 
               bool (*pos_cond) (double, double),
               int true_index,
-              int false_index
-              )
+              int false_index)
 {
   const struct variable *w = dict_get_weight (dict);
+
   struct casereader *r1 =
     casereader_create_distinct (sort_execute_1var (reader, var), var, w);
 
@@ -479,6 +521,12 @@ process_group (const struct variable *var, struct casereader *reader,
   return casewriter_make_reader (wtr);
 }
 
+/* Some more indeces into case data */
+#define N_POS_EQ 1  /* number of positive cases with values equal to n */
+#define N_POS_GT 2  /* number of postive cases with values greater than n */
+#define N_NEG_EQ 3  /* number of negative cases with values equal to n */
+#define N_NEG_LT 4  /* number of negative cases with values less than n */
+
 static bool
 gt (double d1, double d2)
 {
@@ -498,6 +546,14 @@ lt (double d1, double d2)
   return d1 < d2;
 }
 
+
+/*
+  Return a casereader with width 3,
+  populated with cases based upon READER.
+  The cases will have the values:
+  (N, number of cases equal to N, number of cases greater than N)
+  As a side effect, update RS->n1 with the number of positive cases.
+*/
 static struct casereader *
 process_positive_group (const struct variable *var, struct casereader *reader,
                        const struct dictionary *dict,
@@ -509,7 +565,13 @@ process_positive_group (const struct variable *var, struct casereader *reader,
                        TP, FN);
 }
 
-
+/*
+  Return a casereader with width 3,
+  populated with cases based upon READER.
+  The cases will have the values:
+  (N, number of cases equal to N, number of cases less than N)
+  As a side effect, update RS->n2 with the number of negative cases.
+*/
 static struct casereader *
 process_negative_group (const struct variable *var, struct casereader *reader,
                        const struct dictionary *dict,
@@ -535,12 +597,17 @@ append_cutpoint (struct casewriter *writer, double cutpoint)
   case_data_rw_idx (cc, TN)->f = 0;
   case_data_rw_idx (cc, FP)->f = 0;
 
-
   casewriter_write (writer, cc);
 }
 
 
-/* Prepare the cutpoints */
+/* 
+   Create and initialise the rs[x].cutpoint_rdr casereaders.  That is, the readers will
+   be created with width 5, ready to take the values (cutpoint, TP, FN, TN, FP), and the
+   reader will be populated with its final number of cases.
+   However on exit from this function, only CUTPOINT entries will be set to their final
+   value.  The other entries will be initialised to zero.
+*/
 static void
 prepare_cutpoints (struct cmd_roc *roc, struct roc_state *rs, struct casereader *input)
 {
@@ -570,7 +637,11 @@ prepare_cutpoints (struct cmd_roc *roc, struct roc_state *rs, struct casereader
     {
       for (i = 0 ; i < roc->n_vars; ++i)
        {
-         const double result = case_data (c, roc->vars[i])->f;
+         const union value *v = case_data (c, roc->vars[i]); 
+         const double result = v->f;
+
+         if ( mv_is_value_missing (var_get_missing_values (roc->vars[i]), v, roc->exclude))
+           continue;
 
          minimize (&rs[i].min, result);
          maximize (&rs[i].max, result);
@@ -598,14 +669,12 @@ prepare_cutpoints (struct cmd_roc *roc, struct roc_state *rs, struct casereader
 }
 
 static void
-do_roc (struct cmd_roc *roc, struct casereader *input, struct dictionary *dict)
+do_roc (struct cmd_roc *roc, struct casereader *reader, struct dictionary *dict)
 {
   int i;
 
   struct roc_state *rs = xcalloc (roc->n_vars, sizeof *rs);
 
-  struct casewriter *neg_wtr = autopaging_writer_create (casereader_get_proto (input));
-
   struct casereader *negatives = NULL;
   struct casereader *positives = NULL;
 
@@ -614,8 +683,26 @@ do_roc (struct cmd_roc *roc, struct casereader *input, struct dictionary *dict)
   struct subcase up_ordering;
   struct subcase down_ordering;
 
+  struct casewriter *neg_wtr = NULL;
+
+  struct casereader *input = casereader_create_filter_missing (reader,
+                                                              roc->vars, roc->n_vars,
+                                                              roc->exclude,
+                                                              NULL,
+                                                              NULL);
+
+  input = casereader_create_filter_missing (input,
+                                           &roc->state_var, 1,
+                                           roc->exclude,
+                                           NULL,
+                                           NULL);
+
+  neg_wtr = autopaging_writer_create (casereader_get_proto (input));
+
   prepare_cutpoints (roc, rs, input);
 
+
+  /* Separate the positive actual state cases from the negative ones */
   positives = 
     casereader_create_filter_func (input,
                                   match_positives,
@@ -648,6 +735,7 @@ do_roc (struct cmd_roc *roc, struct casereader *input, struct dictionary *dict)
       struct casereader *neg ;
       struct casereader *pos = casereader_clone (positives);
 
+
       struct casereader *n_pos =
        process_positive_group (var, pos, dict, &rs[i]);
 
@@ -660,6 +748,8 @@ do_roc (struct cmd_roc *roc, struct casereader *input, struct dictionary *dict)
 
       n_neg = process_negative_group (var, neg, dict, &rs[i]);
 
+
+      /* Merge the n_pos and n_neg casereaders */
       w = sort_create_writer (&up_ordering, n_proto);
       for ( ; (cpos = casereader_read (n_pos) ); case_unref (cpos))
        {
@@ -674,12 +764,12 @@ do_roc (struct cmd_roc *roc, struct casereader *input, struct dictionary *dict)
              const double jneg = case_data_idx (cneg, VALUE)->f;
 
              case_data_rw_idx (nc, VALUE)->f = jneg;
-             case_data_rw_idx (nc, N_EQ)->f = 0;
+             case_data_rw_idx (nc, N_POS_EQ)->f = 0;
 
-             case_data_rw_idx (nc, N_PRED)->f = SYSMIS;
+             case_data_rw_idx (nc, N_POS_GT)->f = SYSMIS;
 
-             *case_data_rw_idx (nc, 3) = *case_data_idx (cneg, N_EQ);
-             *case_data_rw_idx (nc, 4) = *case_data_idx (cneg, N_PRED);
+             *case_data_rw_idx (nc, N_NEG_EQ) = *case_data_idx (cneg, N_EQ);
+             *case_data_rw_idx (nc, N_NEG_LT) = *case_data_idx (cneg, N_PRED);
 
              casewriter_write (w, nc);
 
@@ -689,29 +779,35 @@ do_roc (struct cmd_roc *roc, struct casereader *input, struct dictionary *dict)
            }
 
          case_data_rw_idx (pos_case, VALUE)->f = jpos;
-         *case_data_rw_idx (pos_case, N_EQ) = *case_data_idx (cpos, N_EQ);
-         *case_data_rw_idx (pos_case, N_PRED) = *case_data_idx (cpos, N_PRED);
-         case_data_rw_idx (pos_case, 3)->f = 0;
-         case_data_rw_idx (pos_case, 4)->f = SYSMIS;
+         *case_data_rw_idx (pos_case, N_POS_EQ) = *case_data_idx (cpos, N_EQ);
+         *case_data_rw_idx (pos_case, N_POS_GT) = *case_data_idx (cpos, N_PRED);
+         case_data_rw_idx (pos_case, N_NEG_EQ)->f = 0;
+         case_data_rw_idx (pos_case, N_NEG_LT)->f = SYSMIS;
 
          casewriter_write (w, pos_case);
        }
 
+/* These aren't used anymore */
+#undef N_EQ
+#undef N_PRED
+
       r = casewriter_make_reader (w);
 
+      /* Propagate the N_POS_GT values from the positive cases
+        to the negative ones */
       {
        double prev_pos_gt = rs[i].n1;
        w = sort_create_writer (&down_ordering, n_proto);
 
        for ( ; (c = casereader_read (r) ); case_unref (c))
          {
-           double n_pos_gt = case_data_idx (c, N_PRED)->f;
+           double n_pos_gt = case_data_idx (c, N_POS_GT)->f;
            struct ccase *nc = case_clone (c);
 
            if ( n_pos_gt == SYSMIS)
              {
                n_pos_gt = prev_pos_gt;
-               case_data_rw_idx (nc, N_PRED)->f = n_pos_gt;
+               case_data_rw_idx (nc, N_POS_GT)->f = n_pos_gt;
              }
            
            casewriter_write (w, nc);
@@ -721,19 +817,21 @@ do_roc (struct cmd_roc *roc, struct casereader *input, struct dictionary *dict)
        r = casewriter_make_reader (w);
       }
 
+      /* Propagate the N_NEG_LT values from the negative cases
+        to the positive ones */
       {
        double prev_neg_lt = rs[i].n2;
        w = sort_create_writer (&up_ordering, n_proto);
 
        for ( ; (c = casereader_read (r) ); case_unref (c))
          {
-           double n_neg_lt = case_data_idx (c, 4)->f;
+           double n_neg_lt = case_data_idx (c, N_NEG_LT)->f;
            struct ccase *nc = case_clone (c);
 
            if ( n_neg_lt == SYSMIS)
              {
                n_neg_lt = prev_neg_lt;
-               case_data_rw_idx (nc, 4)->f = n_neg_lt;
+               case_data_rw_idx (nc, N_NEG_LT)->f = n_neg_lt;
              }
            
            casewriter_write (w, nc);
@@ -750,23 +848,23 @@ do_roc (struct cmd_roc *roc, struct casereader *input, struct dictionary *dict)
            const struct ccase *next_case = casereader_peek (r, 0);
 
            const double j = case_data_idx (c, VALUE)->f;
-           double n_pos_eq = case_data_idx (c, N_EQ)->f;
-           double n_pos_gt = case_data_idx (c, N_PRED)->f;
-           double n_neg_eq = case_data_idx (c, 3)->f;
-           double n_neg_lt = case_data_idx (c, 4)->f;
+           double n_pos_eq = case_data_idx (c, N_POS_EQ)->f;
+           double n_pos_gt = case_data_idx (c, N_POS_GT)->f;
+           double n_neg_eq = case_data_idx (c, N_NEG_EQ)->f;
+           double n_neg_lt = case_data_idx (c, N_NEG_LT)->f;
 
            if ( prev_case && j == case_data_idx (prev_case, VALUE)->f)
              {
-               if ( 0 ==  case_data_idx (c, N_EQ)->f)
+               if ( 0 ==  case_data_idx (c, N_POS_EQ)->f)
                  {
-                   n_pos_eq = case_data_idx (prev_case, N_EQ)->f;
-                   n_pos_gt = case_data_idx (prev_case, N_PRED)->f;
+                   n_pos_eq = case_data_idx (prev_case, N_POS_EQ)->f;
+                   n_pos_gt = case_data_idx (prev_case, N_POS_GT)->f;
                  }
 
-               if ( 0 ==  case_data_idx (c, 3)->f)
+               if ( 0 ==  case_data_idx (c, N_NEG_EQ)->f)
                  {
-                   n_neg_eq = case_data_idx (prev_case, 3)->f;
-                   n_neg_lt = case_data_idx (prev_case, 4)->f;
+                   n_neg_eq = case_data_idx (prev_case, N_NEG_EQ)->f;
+                   n_neg_lt = case_data_idx (prev_case, N_NEG_LT)->f;
                  }
              }
 
@@ -948,13 +1046,11 @@ show_summary (const struct cmd_roc *roc)
   tab_text (tbl, 0, 3, TAB_LEFT, _("Negative"));
 
 
-#if 0
   tab_double (tbl, 1, 2, 0, roc->pos, &F_8_0);
   tab_double (tbl, 1, 3, 0, roc->neg, &F_8_0);
 
   tab_double (tbl, 2, 2, 0, roc->pos_weighted, 0);
   tab_double (tbl, 2, 3, 0, roc->neg_weighted, 0);
-#endif
 
   tab_submit (tbl);
 }