.. image:: pyeco.png
    :height: 20
    :alt: Economie
    :target: http://www.xavierdupre.fr/app/ensae_teaching_cs/helpsphinx/td_2a_notions.html#pour-un-profil-plutot-economiste

.. image:: pystat.png
    :height: 20
    :alt: Statistique
    :target: http://www.xavierdupre.fr/app/ensae_teaching_cs/helpsphinx/td_2a_notions.html#pour-un-profil-plutot-data-scientist

.. _l-interpretable-ml:

Multiview machine learning
++++++++++++++++++++++++++

C'est l'idée qu'un modèle de machine learning est appris
non sur des données homogènes mais avec plusieurs jeux de données
traitant du même problème. Un exemple de jeux de données
`UCI multiple feature dataset
<https://mvlearn.github.io/references/datasets.html#uci-multiple-feature-dataset>`_.
Concrètement, cela revient à dire qu'un modèle de machine learning est appris
avec un jeu de données dont les colonnes sont des groupes hétérogènes de variables
qui se ressemblent. Par exemple, une image peut être décrite avec ses pixels
et des statistiques calculées avec ces pixels.

*Notebooks*

(à venir)

*Lectures*

* `A Survey on Multi-view Learning
  <https://arxiv.org/abs/1304.5634>`_
* `Multi-view Learning as a Nonparametric Nonlinear Inter-Battery Factor Analysis
  <https://www.jmlr.org/papers/volume22/16-179/16-179.pdf>`_

*Modules*

* `mvlearn <https://mvlearn.github.io/index.html>`_