Notebooks Coverage

Report on last executions.

100% 2019-10-10

_images/nbcov-2019-10-10.png

index

coverage

exe time

last execution

name

title

success

time

nb cells

nb runs

nb valid

0

100%

1.113

2019-10-10

astuces/decision_tree_visualization.ipynb

Visualiser un arbre de décision

True

2.032

6

6

6

1

100%

0.171

2019-10-10

astuces/menu_notebook.ipynb

Menu dans un notebook

True

1.081

3

3

3

2

100%

3.246

2019-10-10

digressions/constraint_kmeans.ipynb

K-Means contraint

True

4.096

11

11

11

3

100%

52.467

2019-10-10

encours/2019-01-25_linreg.ipynb

Un exemple simple de régression linéaire

True

53.397

33

33

33

4

100%

190.096

2019-10-10

lectures/adult_cat.ipynb

Jeu de données avec des catégories

True

191.093

72

72

72

5

100%

2.708

2019-10-10

lectures/artificiel_category.ipynb

Traitement des catégories

True

3.638

24

24

24

6

100%

3.489

2019-10-10

lectures/artificiel_category_2.ipynb

Traitement amélioré des catégories

True

4.417

17

17

17

7

100%

9.868

2019-10-10

lectures/artificiel_category_hash.ipynb

Hashing et catégories

True

10.762

13

13

13

8

100%

17.172

2019-10-10

lectures/artificiel_duration_prediction.ipynb

Prédiction d’une durée

True

18.089

23

23

23

9

100%

411.050

2019-10-10

lectures/artificiel_multiclass.ipynb

Classification multi-classe et jeu mal balancé

True

412.037

22

22

22

10

100%

47.712

2019-10-10

lectures/artificiel_normalisation.ipynb

Normalisation

True

48.658

12

12

12

11

100%

2.944

2019-10-10

lectures/artificiel_shape.ipynb

Intuition derrière l’érosion des modèles

True

3.867

13

13

13

12

100%

8.706

2019-10-10

lectures/artificiel_tokenize.ipynb

Tokenisation

True

9.669

23

23

23

13

100%

14.827

2019-10-10

lectures/artificiel_tokenize_features.ipynb

Des mots aux sacs de mots

True

15.853

30

30

30

14

100%

4.360

2019-10-10

lectures/logreg_kmeans.ipynb

Régression logistique et convexité

True

5.510

8

8

8

15

100%

33.137

2019-10-10

lectures/movielens_fm.ipynb

Factorisation de matrice et recommandations

True

34.047

25

25

25

16

100%

2.872

2019-10-10

lectures/search_rank.ipynb

Ranking et search engine

True

3.749

16

16

16

17

100%

82.185

2019-10-03

lectures/text_sentiment_wordvec.ipynb

Classification de phrases avec word2vec

True

83.266

46

46

46

18

100%

2.847

2019-10-10

lectures/tinygraph_rwr.ipynb

Random Walk with Restart (système de recommandations)

True

3.791

7

7

7

19

100%

5.266

2019-10-10

lectures/wines_color.ipynb

Régression logistique et courbe ROC

True

6.166

22

22

22

20

100%

2.945

2019-10-10

lectures/wines_color_line.ipynb

Régression logistique en 2D

True

3.879

12

12

12

21

100%

6.569

2019-10-10

lectures/wines_color_linear.ipynb

Plusieurs modèles, données disjointes

True

7.475

27

27

27

22

100%

6.998

2019-10-10

lectures/wines_color_roc.ipynb

Classifications et courbes ROC

True

7.865

26

26

26

23

100%

1.601

2019-10-10

lectures/wines_knn.ipynb

Plus proches voisins

True

2.535

9

9

9

24

100%

11.798

2019-10-10

lectures/wines_knn_acp.ipynb

Plus proches voisins - projection

True

12.698

17

17

17

25

100%

3.020

2019-10-10

lectures/wines_knn_cross_val.ipynb

Validation croisée (cross-validation)

True

3.928

22

22

22

26

100%

8.250

2019-10-10

lectures/wines_knn_eval.ipynb

Plus proches voisins - évaluation

True

9.149

14

14

14

27

100%

24.398

2019-10-10

lectures/wines_knn_hyper.ipynb

Sélection des hyper-paramètres

True

25.618

14

14

14

28

100%

6.716

2019-10-10

lectures/wines_knn_split.ipynb

Base d’apprentissage et de test

True

7.597

17

17

17

29

100%

1.804

2019-10-10

lectures/wines_knn_split_strat.ipynb

Découpage stratifié apprentissage / test

True

2.687

12

12

12

30

100%

21.184

2019-10-10

lectures/wines_multi.ipynb

Classification multi-classe

True

22.365

27

27

27

31

100%

16.712

2019-10-10

lectures/wines_multi_stacking.ipynb

Classification multi-classe et stacking

True

17.541

26

26

26

32

100%

75.235

2019-10-10

lectures/wines_reg.ipynb

Prédiction de la note des vins

True

76.222

23

23

23

33

100%

3.981

2019-10-10

lectures/wines_reg_poly.ipynb

Régression polynômiale et pipeline

True

4.850

14

14

14

34

100%

4.852

2019-10-10

visualisation/carte_carreau.ipynb

Données carroyées

True

5.715

12

12

12

35

100%

6.011

2019-10-10

visualisation/enedis_cartes.ipynb

Tracer une carte en Python

True

6.962

18

18

18

36

100%

1.709

2019-10-10

visualisation/enedis_cartes_bokeh.ipynb

Tracer une carte en Python avec bokeh

True

3.072

7

7

7

_images/nbcov.png