Notebooks Coverage

Report on last executions.

100% 2021-09-22

_images/nbcov-2021-09-22.png

index

coverage

exe time

last execution

name

title

success

time

nb cells

nb runs

nb valid

0

100%

3.640

2021-09-22

astuces/decision_tree_visualization.ipynb

Visualiser un arbre de décision

True

6.146

6

6

6

1

100%

0.189

2021-09-22

astuces/menu_notebook.ipynb

Menu dans un notebook

True

2.969

3

3

3

2

100%

26.937

2021-09-22

digressions/constraint_kmeans.ipynb

K-Means contraint

True

29.519

12

12

12

3

100%

201.217

2021-09-22

encours/2019-01-25_linreg.ipynb

Un exemple simple de régression linéaire

True

203.867

33

33

33

4

100%

178.321

2021-09-22

encours/2020-01-20_intro.ipynb

Courte introduction au machine learning

True

181.021

47

47

47

5

100%

28.803

2021-09-22

encours/2020-01-31_classification.ipynb

Classification

True

31.442

25

25

25

6

100%

10.656

2021-09-22

encours/2020-01-31_titanic.ipynb

Machine learning avec des catégories et du texte

True

13.266

28

28

28

7

100%

129.693

2021-09-22

encours/2020-02-07_sklapi.ipynb

Régression Ridge, Lasso et nouvel estimateur

True

132.425

39

39

39

8

100%

775.404

2021-09-22

lectures/adult_cat.ipynb

Jeu de données avec des catégories

True

778.255

72

72

72

9

100%

6.630

2021-09-22

lectures/artificiel_category.ipynb

Traitement des catégories

True

9.155

24

24

24

10

100%

10.592

2021-09-22

lectures/artificiel_category_2.ipynb

Traitement amélioré des catégories

True

13.128

17

17

17

11

100%

25.238

2021-09-22

lectures/artificiel_category_hash.ipynb

Hashing et catégories

True

27.818

13

13

13

12

100%

85.556

2021-09-22

lectures/artificiel_duration_prediction.ipynb

Prédiction d’une durée

True

88.119

23

23

23

13

100%

2477.110

2021-09-13

lectures/artificiel_multiclass.ipynb

Classification multi-classe et jeu mal balancé

True

2479.594

22

22

22

14

100%

118.400

2021-09-22

lectures/artificiel_normalisation.ipynb

Normalisation

True

120.997

12

12

12

15

100%

12.492

2021-09-22

lectures/artificiel_shape.ipynb

Intuition derrière l’érosion des modèles

True

15.156

13

13

13

16

100%

20.396

2021-09-22

lectures/artificiel_tokenize.ipynb

Tokenisation

True

23.057

23

23

23

17

100%

60.824

2021-09-22

lectures/artificiel_tokenize_features.ipynb

Des mots aux sacs de mots

True

63.390

30

30

30

18

100%

31.457

2021-09-22

lectures/logreg_kmeans.ipynb

Régression logistique et convexité

True

34.090

11

11

11

19

100%

179.673

2021-09-22

lectures/movielens_fm.ipynb

Factorisation de matrice et recommandations

True

182.242

25

25

25

20

100%

13.176

2021-09-22

lectures/search_rank.ipynb

Ranking et search engine

True

15.692

15

15

15

21

100%

131.643

2021-09-13

lectures/text_sentiment_wordvec.ipynb

Classification de phrases avec word2vec

True

134.244

56

56

56

22

100%

7.327

2021-09-22

lectures/tinygraph_rwr.ipynb

Random Walk with Restart (système de recommandations)

True

9.903

7

7

7

23

100%

21.201

2021-09-22

lectures/wines_color.ipynb

Régression logistique et courbe ROC

True

23.795

22

22

22

24

100%

9.639

2021-09-22

lectures/wines_color_line.ipynb

Régression logistique en 2D

True

12.150

12

12

12

25

100%

21.773

2021-09-22

lectures/wines_color_linear.ipynb

Plusieurs modèles, données disjointes

True

24.330

27

27

27

26

100%

28.568

2021-09-22

lectures/wines_color_roc.ipynb

Classifications et courbes ROC

True

31.135

26

26

26

27

100%

5.622

2021-09-22

lectures/wines_knn.ipynb

Plus proches voisins

True

8.131

9

9

9

28

100%

56.096

2021-09-22

lectures/wines_knn_acp.ipynb

Plus proches voisins - projection

True

58.642

17

17

17

29

100%

9.237

2021-09-22

lectures/wines_knn_cross_val.ipynb

Validation croisée (cross-validation)

True

11.868

22

22

22

30

100%

38.061

2021-09-22

lectures/wines_knn_eval.ipynb

Plus proches voisins - évaluation

True

40.643

14

14

14

31

100%

97.224

2021-09-22

lectures/wines_knn_hyper.ipynb

Sélection des hyper-paramètres

True

99.904

14

14

14

32

100%

20.365

2021-09-22

lectures/wines_knn_split.ipynb

Base d’apprentissage et de test

True

22.910

17

17

17

33

100%

5.800

2021-09-22

lectures/wines_knn_split_strat.ipynb

Découpage stratifié apprentissage / test

True

8.308

12

12

12

34

100%

87.151

2021-09-22

lectures/wines_multi.ipynb

Classification multi-classe

True

89.786

27

27

27

35

100%

252.983

2021-09-22

lectures/wines_multi_stacking.ipynb

Classification multi-classe et stacking

True

255.630

28

28

28

36

100%

343.913

2021-09-22

lectures/wines_reg.ipynb

Prédiction de la note des vins

True

346.552

23

23

23

37

100%

18.558

2021-09-22

lectures/wines_reg_poly.ipynb

Régression polynômiale et pipeline

True

21.096

14

14

14

38

100%

34.832

2021-09-22

timeseries/ts_covid.ipynb

Saisonnalités, changement de régime, COVID en France

True

37.475

34

34

34

39

100%

19.956

2021-09-22

timeseries/ts_pred.ipynb

Prédiction, COVID en France, série temporelle

True

22.512

19

19

19

40

100%

20.223

2021-09-22

visualisation/carte_carreau.ipynb

Données carroyées

True

22.732

13

13

13

41

100%

53.619

2021-09-13

visualisation/enedis_cartes.ipynb

Tracer une carte en Python

True

56.216

18

18

18

42

100%

6.260

2021-09-22

visualisation/enedis_cartes_bokeh.ipynb

Tracer une carte en Python avec bokeh

True

8.898

7

7

7

_images/nbcov.png