Notebooks Coverage

Report on last executions.

100% 2019-04-17

_images/nbcov-2019-04-17.png

index

coverage

exe time

last execution

name

title

success

time

nb cells

nb runs

nb valid

0

100%

1.749

2019-04-17

astuces/decision_tree_visualization.ipynb

Visualiser un arbre de décision

True

4.082

6

6

6

1

100%

0.203

2019-04-17

astuces/menu_notebook.ipynb

Menu dans un notebook

True

3.134

3

3

3

2

100%

5.500

2019-04-17

digressions/constraint_kmeans.ipynb

K-Means contraint

True

8.079

11

11

11

3

100%

55.488

2019-04-17

encours/2019-01-25_linreg.ipynb

Un exemple simple de régression linéaire

True

58.493

33

33

33

4

100%

245.738

2019-04-17

lectures/adult_cat.ipynb

Jeu de données avec des catégories

True

248.360

71

71

71

5

100%

3.607

2019-04-17

lectures/artificiel_category.ipynb

Traitement des catégories

True

6.108

24

24

24

6

100%

3.132

2019-04-17

lectures/artificiel_category_2.ipynb

Traitement amélioré des catégories

True

6.070

17

17

17

7

100%

17.072

2019-04-17

lectures/artificiel_category_hash.ipynb

Hashing et catégories

True

20.135

13

13

13

8

100%

28.597

2019-04-17

lectures/artificiel_duration_prediction.ipynb

Prédiction d’une durée

True

31.472

23

23

23

9

100%

257.579

2019-04-17

lectures/artificiel_multiclass.ipynb

Classification multi-classe et jeu mal balancé

True

261.322

22

22

22

10

100%

84.591

2019-04-17

lectures/artificiel_normalisation.ipynb

Normalisation

True

87.167

12

12

12

11

100%

6.759

2019-04-17

lectures/artificiel_shape.ipynb

Intuition derrière l’érosion des modèles

True

10.123

13

13

13

12

100%

22.137

2019-04-17

lectures/artificiel_tokenize.ipynb

Tokenisation

True

25.169

23

23

23

13

100%

15.833

2019-04-17

lectures/artificiel_tokenize_features.ipynb

Des mots aux sacs de mots

True

18.122

30

30

30

14

100%

5.466

2019-04-17

lectures/logreg_kmeans.ipynb

Régression logistique et convexité

True

8.092

8

8

8

15

100%

73.532

2019-04-17

lectures/movielens_fm.ipynb

Factorisation de matrice et recommandations

True

76.501

25

25

25

16

100%

4.730

2019-04-17

lectures/search_rank.ipynb

Ranking et search engine

True

7.084

16

16

16

17

100%

163.948

2019-04-17

lectures/text_sentiment_wordvec.ipynb

Classification de phrases avec word2vec

True

166.307

45

45

45

18

100%

3.312

2019-04-17

lectures/tinygraph_rwr.ipynb

Random Walk with Restart (système de recommandations)

True

6.075

7

7

7

19

100%

8.523

2019-04-17

lectures/wines_color.ipynb

Régression logistique et courbe ROC

True

11.105

22

22

22

20

100%

4.961

2019-04-17

lectures/wines_color_line.ipynb

Régression logistique en 2D

True

8.110

12

12

12

21

100%

6.384

2019-04-17

lectures/wines_color_linear.ipynb

Plusieurs modèles, données disjointes

True

9.087

27

27

27

22

100%

11.113

2019-04-17

lectures/wines_color_roc.ipynb

Classifications et courbes ROC

True

14.119

26

26

26

23

100%

2.538

2019-04-17

lectures/wines_knn.ipynb

Plus proches voisins

True

5.098

9

9

9

24

100%

17.532

2019-04-17

lectures/wines_knn_acp.ipynb

Plus proches voisins - projection

True

20.130

17

17

17

25

100%

4.587

2019-04-17

lectures/wines_knn_cross_val.ipynb

Validation croisée (cross-validation)

True

7.102

22

22

22

26

100%

11.447

2019-04-17

lectures/wines_knn_eval.ipynb

Plus proches voisins - évaluation

True

14.121

14

14

14

27

100%

21.458

2019-04-17

lectures/wines_knn_hyper.ipynb

Sélection des hyper-paramètres

True

24.118

14

14

14

28

100%

8.451

2019-04-17

lectures/wines_knn_split.ipynb

Base d’apprentissage et de test

True

11.086

17

17

17

29

100%

2.934

2019-04-17

lectures/wines_knn_split_strat.ipynb

Découpage stratifié apprentissage / test

True

5.126

12

12

12

30

100%

19.164

2019-04-17

lectures/wines_multi.ipynb

Classification multi-classe

True

22.125

27

27

27

31

100%

9.026

2019-04-17

lectures/wines_multi_stacking.ipynb

Classification multi-classe et stacking

True

11.118

26

26

26

32

100%

86.157

2019-04-17

lectures/wines_reg.ipynb

Prédiction de la note des vins

True

89.179

23

23

23

33

100%

10.317

2019-04-17

lectures/wines_reg_poly.ipynb

Régression polynômiale et pipeline

True

13.093

14

14

14

34

100%

7.142

2019-04-17

visualisation/carte_carreau.ipynb

Données carroyées

True

10.098

12

12

12

35

100%

23.427

2019-04-17

visualisation/enedis_cartes.ipynb

Tracer une carte en Python

True

26.111

18

18

18

36

100%

3.035

2019-04-17

visualisation/enedis_cartes_bokeh.ipynb

Tracer une carte en Python avec bokeh

True

6.093

7

7

7

_images/nbcov.png