<== page de blog - 7/12 ==> Blog modules (9)
page de blog - 7/12¶
Performance du langage Python¶
2017-02-25
C’est un article de blog assez concis et clair qui dévoile une partie de ce que cache un langage interprété comme Python : Cost of abstractions.
Combiner des random forest¶
2017-02-15
C’est une astuce que m’ont fait découvrir deux étudiants dans leur projet associé au cours de troisième année Eléments logiciels pour le traitement des données massives. Ils ont utilisé une propriété rendue possible par l’implémentation des random forest de scikit-learn : il est possible de construire une random forest issue de l’assemblage de deux random forest. De là à paralléliser l’apprentissage d’une random forest, il n’y a qu’un pas. L’article en question : Combining random forest models in scikit learn.
Un module pour calculer des indicateurs financiers¶
Annoter des images¶
2017-01-05
Construire une application qui reconnaît des images implique qu’on sache localiser un visage et le reconnaître. Pour appendre, il faut disposer d’une base images annotées ou labellisées dans lesquelles on connaît l’information à trouver. Voici l’image tirée de wikipédia : Détection de visage.
…
Deviner l’encoding d’un fichier¶
Ecrire un test unitaire pour Flask¶
2016-12-01
Utiliser flask n’est pas si compliqué (voir 2A.eco - Débuter avec Flask). Et puis une fois qu’on a terminé, on souhaite écrire des tests unitaires pour vérifier que cela ne casse pas. Cela veut dire créer un second thread qui va faire tourner le site web et surtout l’arrêter quand on n’en a plus besoin. La suite est à lire sur cette page Site Web, exemple avec Flask.
Tranformer les variables catégorielles et contrastes¶
2016-11-30
Certains modèles de machine learning requiert de transformer les variables catégorielles en variables numériques. Il existe plusieurs façons de faire cela : Patsy: Contrast Coding Systems for categorical variables. Les extensions de scikit-learn incluent un module qui fait cela aussi mais façon scikit-learn : category_encoders implémente les transformations suivantes :
…
pandas, groupby, nan values¶
2016-11-20
La fonction groupby ne considère pas (plus) les valeurs manquantes ou NaN. Le notebook groupby et valeur manquantes illustre ce fait et montre comment les corriger.
Piloter un drone depuis un notebook¶
Coordonnées des données carroyées¶
2016-11-03
Les données carroyées sont fournies par l’INSEE et proposent différentes variables économiques agrégées par carreaux : Un carroyage est un découpage de l’espace géographique en mailles régulières de forme carrée et de taille fixe. Il survient toujours un moment où on cherche à représenter ses données qui sont localisées avec un système de coordonnées : Lambert Azimutal Equal Area. Pour les convertir an longitude, latitude, il faut utiliser le module pyproj. Exemple : Conversion de coordonnées. La plupart des systèmes de coordonnées (ou Spatial reference system) sont identifiés par un code EPSG. Dans le cas des données carroyées, le code est EPSG:3035. Il est répertorié sur spatialreference.org qui listent façons de l’écrire avec différents outils. Lorsqu’on télécharge des fichiers shapefiles, elles viennent souvent avec un fichier .prj qui décrit le système de coordonnées utilisé. Le site prj2epsg permet d’obtenir le code EPSG correspondant ouvrant la porte à toutes sortes de conversions.
<== page de blog - 7/12 ==> 2018-12 (1) 2019-01 (4) 2019-02 (2) 2019-05 (2) 2019-06 (1)