Source code for lightmlboard.default_options
# -*- coding: utf-8 -*-
"""
Default options for the application.
:githublink:`%|py|6`
"""
import os
from .competition import Competition
[docs]class LightMLBoardDefaultOptions:
"""
Default options for the web application.
:githublink:`%|py|13`
"""
lang = "fr"
debug = True
logging = True
title = "Compétition de Machine Learning"
subtitle = "ENSAE"
cookie_secret = "bZJc2sWbQLKos6GkHn/VB9oXwQt8S0R0kRvJ5/xJ89E="
description = """Tableaux de résultats pour la compétition
de machine learning organisé dans le cadre du cours
<a href="http://www.xavierdupre.fr/app/ensae_teaching_cs/helpsphinx3/index.html">Python pour un data scientist économiste</a>.
""".replace(" ", "")
description2 = """Détails de la compétition :
<a href="http://www.xavierdupre.fr/app/ensae_teaching_cs/helpsphinx3/questions/competition_2A.html#l-competition-2017-2a">
Compétition 2017 - additifs alimentaires</a>.
""".replace(" ", "")
title_main = "Principe"
description_main = """..."""
allowed_users = None
competitions = [Competition(
cpt_id=0,
name="Prédiction de la présence d'additifs",
link=("http://www.xavierdupre.fr/app/ensae_teaching_cs/helpsphinx3/questions/" +
"competition_2A.html#competition-2017-additifs-alimentaires"),
expected_values=os.path.join(
os.path.dirname(__file__), "data", "dummy_prediction.data"),
metric=["roc_auc_score_micro", "roc_auc_score_macro"],
description="""Le site OpenFoodFacts recense la composition de milliers de produits.
La base de données peut être téléchargée (data). On veut savoir si les additifs ajoutés
apparaissent plus fréquemment avec certains produits ou certaines compositions. Une façon
est de prédire la présence d'additifs en fonction de toutes les autres variables.
Si un modèle de prédiction fait mieux que le hasard, cela signifie que certaines
corrélations existent. C'est un problème de classification binaire.""")]