Notebooks Coverage#

Report on last executions.

85% 2022-07-01

_images/nbcov-2022-07-01.png

index

coverage

exe time

last execution

name

title

success

time

nb cells

nb runs

nb valid

0

100%

2.053

2022-07-01

astuces/decision_tree_visualization.ipynb

Visualiser un arbre de décision

True

5.472

6

6

6

1

100%

0.234

2022-07-01

astuces/menu_notebook.ipynb

Menu dans un notebook

True

3.802

3

3

3

2

100%

20.935

2022-07-01

digressions/constraint_kmeans.ipynb

K-Means contraint

True

24.391

12

12

12

3

100%

138.326

2022-07-01

encours/2019-01-25_linreg.ipynb

Un exemple simple de régression linéaire

True

141.909

33

33

33

4

100%

127.154

2022-07-01

encours/2020-01-20_intro.ipynb

Courte introduction au machine learning

True

130.626

47

47

47

5

100%

22.806

2022-07-01

encours/2020-01-31_classification.ipynb

Classification

True

26.261

25

25

25

6

100%

9.770

2022-07-01

encours/2020-01-31_titanic.ipynb

Machine learning avec des catégories et du texte

True

13.212

28

28

28

7

100%

38.857

2022-07-01

encours/2020-02-07_sklapi.ipynb

Régression Ridge, Lasso et nouvel estimateur

True

42.354

39

39

39

8

100%

569.513

2022-07-01

lectures/adult_cat.ipynb

Jeu de données avec des catégories

True

573.129

72

72

72

9

100%

6.511

2022-07-01

lectures/artificiel_category.ipynb

Traitement des catégories

True

9.936

24

24

24

10

100%

9.876

2022-07-01

lectures/artificiel_category_2.ipynb

Traitement amélioré des catégories

True

13.280

17

17

17

11

100%

22.631

2022-07-01

lectures/artificiel_category_hash.ipynb

Hashing et catégories

True

26.052

13

13

13

12

100%

62.632

2022-07-01

lectures/artificiel_duration_prediction.ipynb

Prédiction d’une durée

True

66.019

23

23

23

13

0%

nan

lectures/artificiel_multiclass.ipynb

Classification multi-classe et jeu mal balancé

nan

36

0

14

100%

78.952

2022-07-01

lectures/artificiel_normalisation.ipynb

Normalisation

True

82.404

12

12

12

15

100%

9.107

2022-07-01

lectures/artificiel_shape.ipynb

Intuition derrière l’érosion des modèles

True

12.498

13

13

13

16

100%

11.713

2022-07-01

lectures/artificiel_tokenize.ipynb

Tokenisation

True

15.135

23

23

23

17

100%

45.613

2022-07-01

lectures/artificiel_tokenize_features.ipynb

Des mots aux sacs de mots

True

49.040

30

30

30

18

100%

20.751

2022-07-01

lectures/logreg_kmeans.ipynb

Régression logistique et convexité

True

24.186

11

11

11

19

100%

124.896

2022-07-01

lectures/movielens_fm.ipynb

Factorisation de matrice et recommandations

True

128.303

25

25

25

20

100%

11.585

2022-07-01

lectures/search_rank.ipynb

Ranking et search engine

True

15.006

15

15

15

21

0%

nan

lectures/text_sentiment_wordvec.ipynb

Classification de phrases avec word2vec

nan

83

0

22

100%

6.168

2022-07-01

lectures/tinygraph_rwr.ipynb

Random Walk with Restart (système de recommandations)

True

9.541

7

7

7

23

100%

15.336

2022-07-01

lectures/wines_color.ipynb

Régression logistique et courbe ROC

True

18.830

22

22

22

24

100%

7.959

2022-07-01

lectures/wines_color_line.ipynb

Régression logistique en 2D

True

11.323

12

12

12

25

100%

15.865

2022-07-01

lectures/wines_color_linear.ipynb

Plusieurs modèles, données disjointes

True

19.280

27

27

27

26

100%

19.701

2022-07-01

lectures/wines_color_roc.ipynb

Classifications et courbes ROC

True

23.196

26

26

26

27

100%

5.465

2022-07-01

lectures/wines_knn.ipynb

Plus proches voisins

True

8.871

9

9

9

28

100%

39.042

2022-07-01

lectures/wines_knn_acp.ipynb

Plus proches voisins - projection

True

42.445

17

17

17

29

100%

8.290

2022-07-01

lectures/wines_knn_cross_val.ipynb

Validation croisée (cross-validation)

True

11.684

22

22

22

30

100%

32.432

2022-07-01

lectures/wines_knn_eval.ipynb

Plus proches voisins - évaluation

True

35.830

14

14

14

31

100%

70.616

2022-07-01

lectures/wines_knn_hyper.ipynb

Sélection des hyper-paramètres

True

74.400

14

14

14

32

100%

16.672

2022-07-01

lectures/wines_knn_split.ipynb

Base d’apprentissage et de test

True

20.037

17

17

17

33

100%

5.632

2022-07-01

lectures/wines_knn_split_strat.ipynb

Découpage stratifié apprentissage / test

True

8.993

12

12

12

34

100%

171.862

2022-07-01

lectures/wines_lime.ipynb

Interprétation de la note d’un vin

True

175.272

13

13

13

35

100%

66.178

2022-07-01

lectures/wines_multi.ipynb

Classification multi-classe

True

69.617

27

27

27

36

100%

86.469

2022-07-01

lectures/wines_multi_stacking.ipynb

Classification multi-classe et stacking

True

89.906

28

28

28

37

100%

355.096

2022-07-01

lectures/wines_reg.ipynb

Prédiction de la note des vins

True

358.500

24

24

24

38

100%

14.879

2022-07-01

lectures/wines_reg_poly.ipynb

Régression polynômiale et pipeline

True

18.315

14

14

14

39

100%

31.271

2022-07-01

timeseries/ts_covid.ipynb

Saisonnalités, changement de régime, COVID en France

True

35.002

34

34

34

40

100%

14.593

2022-07-01

timeseries/ts_pred.ipynb

Prédiction, COVID en France, série temporelle

True

17.989

19

19

19

41

100%

14.835

2022-07-01

visualisation/carte_carreau.ipynb

Données carroyées

True

18.244

13

13

13

42

0%

nan

visualisation/enedis_cartes.ipynb

Tracer une carte en Python

nan

32

0

43

100%

4.249

2022-07-01

visualisation/enedis_cartes_bokeh.ipynb

Tracer une carte en Python avec bokeh

True

7.690

7

7

7

_images/nbcov.png