Notebooks Coverage#

Report on last executions.

80% 2023-06-02

_images/nbcov-2023-06-02.png

index

coverage

exe time

last execution

name

title

success

time

nb cells

nb runs

nb valid

0

100%

2.455

2023-06-02

astuces/decision_tree_visualization.ipynb

Visualiser un arbre de décision

True

5.961

6

6

6

1

100%

0.182

2023-06-02

astuces/menu_notebook.ipynb

Menu dans un notebook

True

3.986

3

3

3

2

100%

24.336

2023-06-02

digressions/constraint_kmeans.ipynb

K-Means contraint

True

27.899

12

12

12

3

100%

308.075

2023-06-02

encours/2019-01-25_linreg.ipynb

Un exemple simple de régression linéaire

True

311.760

33

33

33

4

100%

170.299

2023-06-02

encours/2020-01-20_intro.ipynb

Courte introduction au machine learning

True

174.037

47

47

47

5

100%

37.233

2023-06-02

encours/2020-01-31_classification.ipynb

Classification

True

40.786

25

25

25

6

100%

16.851

2023-06-02

encours/2020-01-31_titanic.ipynb

Machine learning avec des catégories et du texte

True

20.429

28

28

28

7

100%

94.227

2023-06-02

encours/2020-02-07_sklapi.ipynb

Régression Ridge, Lasso et nouvel estimateur

True

97.956

39

39

39

8

100%

635.424

2023-06-02

lectures/adult_cat.ipynb

Jeu de données avec des catégories

True

639.191

72

72

72

9

100%

6.190

2023-06-02

lectures/artificiel_category.ipynb

Traitement des catégories

True

9.767

24

24

24

10

100%

10.647

2023-06-02

lectures/artificiel_category_2.ipynb

Traitement amélioré des catégories

True

14.230

17

17

17

11

100%

13.029

2023-06-02

lectures/artificiel_category_hash.ipynb

Hashing et catégories

True

16.599

13

13

13

12

100%

68.307

2023-06-02

lectures/artificiel_duration_prediction.ipynb

Prédiction d’une durée

True

71.985

23

23

23

13

0%

nan

lectures/artificiel_multiclass.ipynb

Classification multi-classe et jeu mal balancé

nan

36

0

14

100%

61.436

2023-06-02

lectures/artificiel_normalisation.ipynb

Normalisation

True

64.980

12

12

12

15

100%

12.300

2023-06-02

lectures/artificiel_shape.ipynb

Intuition derrière l’érosion des modèles

True

15.856

13

13

13

16

100%

17.103

2023-06-02

lectures/artificiel_tokenize.ipynb

Tokenisation

True

20.732

23

23

23

17

100%

54.291

2023-06-02

lectures/artificiel_tokenize_features.ipynb

Des mots aux sacs de mots

True

57.897

30

30

30

18

100%

29.312

2023-06-02

lectures/logreg_kmeans.ipynb

Régression logistique et convexité

True

32.985

11

11

11

19

100%

157.313

2023-06-02

lectures/movielens_fm.ipynb

Factorisation de matrice et recommandations

True

160.911

25

25

25

20

100%

33.137

2023-06-02

lectures/search_rank.ipynb

Ranking et search engine

True

36.722

15

15

15

21

0%

nan

lectures/text_sentiment_wordvec.ipynb

Classification de phrases avec word2vec

nan

83

0

22

100%

6.168

2023-06-02

lectures/tinygraph_rwr.ipynb

Random Walk with Restart (système de recommandations)

True

9.734

7

7

7

23

100%

21.043

2023-06-02

lectures/wines_color.ipynb

Régression logistique et courbe ROC

True

24.639

22

22

22

24

100%

9.591

2023-06-02

lectures/wines_color_line.ipynb

Régression logistique en 2D

True

13.132

12

12

12

25

100%

20.129

2023-06-02

lectures/wines_color_linear.ipynb

Plusieurs modèles, données disjointes

True

23.715

27

27

27

26

100%

29.050

2023-06-02

lectures/wines_color_roc.ipynb

Classifications et courbes ROC

True

32.687

26

26

26

27

100%

5.132

2023-06-02

lectures/wines_knn.ipynb

Plus proches voisins

True

8.671

9

9

9

28

100%

29.611

2023-06-02

lectures/wines_knn_acp.ipynb

Plus proches voisins - projection

True

33.159

17

17

17

29

100%

8.683

2023-06-02

lectures/wines_knn_cross_val.ipynb

Validation croisée (cross-validation)

True

12.266

22

22

22

30

100%

14.981

2023-06-02

lectures/wines_knn_eval.ipynb

Plus proches voisins - évaluation

True

18.512

14

14

14

31

100%

92.056

2023-06-02

lectures/wines_knn_hyper.ipynb

Sélection des hyper-paramètres

True

95.741

14

14

14

32

100%

11.316

2023-06-02

lectures/wines_knn_split.ipynb

Base d’apprentissage et de test

True

14.883

17

17

17

33

100%

9.183

2023-06-02

lectures/wines_knn_split_strat.ipynb

Découpage stratifié apprentissage / test

True

12.742

12

12

12

34

100%

38.680

2023-06-02

lectures/wines_lime.ipynb

Interprétation de la note d’un vin

True

42.235

13

13

13

35

100%

75.001

2023-06-02

lectures/wines_multi.ipynb

Classification multi-classe

True

78.602

27

27

27

36

100%

105.603

2023-06-02

lectures/wines_multi_stacking.ipynb

Classification multi-classe et stacking

True

109.205

28

28

28

37

100%

76.329

2023-06-02

lectures/wines_reg.ipynb

Prédiction de la note des vins

True

79.950

24

24

24

38

100%

19.627

2023-06-02

lectures/wines_reg_poly.ipynb

Régression polynômiale et pipeline

True

23.341

14

14

14

39

0%

nan

timeseries/ts_covid.ipynb

Saisonnalités, changement de régime, COVID en France

nan

57

0

40

100%

19.137

2023-06-02

timeseries/ts_pred.ipynb

Prédiction, COVID en France, série temporelle

True

22.727

19

19

19

41

100%

33.971

2023-06-02

visualisation/carte_carreau.ipynb

Données carroyées

True

37.610

13

13

13

42

0%

nan

visualisation/enedis_cartes.ipynb

Tracer une carte en Python

nan

32

0

43

100%

6.215

2023-06-02

visualisation/enedis_cartes_bokeh.ipynb

Tracer une carte en Python avec bokeh

True

9.754

7

7

7

_images/nbcov.png