2016-10-12 Convertir un notebook après filtrage
On m'a demandé récemment s'il était possible de convertir un notebook au format PDF après avoir supprimé les portions de code. La réponse est oui : Export a notebook with no code.
2016-09-25 add_notebook_menu
La plupart des notebooks que je créé commencent par ces deux lignes.
from pyquickhelper.ipythonhelper import add_notebook_menu add_notebook_menu()
La fonction ajoute une bout de javascript qui produit un menu permettant d'accéder directement à tel ou tel paragraphe. Si la fonction ne fonctionne, c'est que le module pyquickhelper n'est pas installé. Ce n'est pas très grave dans la mesure ou la plupart du temps, le module n'est pas utilisé autrement que pour ce menu. Comme il requiert diverses dépendances, j'ai décidé d'extraire cette fonction et de la placer dans un module plus petit et sans dépendance : jyquickhelper. On peut maintenant écrire :
from jyquickhelper import add_notebook_menu add_notebook_menu()
2016-09-21 A few tricks with Anaconda
Anaconda hides some undesirable behaviors sometimes. I ran into this one a few days ago: cannot import name 'QtCore' which I solved by applying the following trick: ImportError: cannot import name 'QtCore'. Another unexpected behavior happened when I tried to create a virtual environment on a different drive. Finally, I'd like to have a way to avoid copying everything when I need a new virtual environment. At least, this is what happens on Windows.
2016-09-20 Digging into a random forest
A few links. Help yourself. Interpreting random forests, Reading and interpreting random forest models, treeinterpreter.
2016-09-19 Apprendre la programmation avec Python
Je songe à donner une seconde vie au livre que j'ai écrit voici quelques années pour apprendre la programmation sous la même forme que celle que j'utilise pour mes enseignements. Apprendre la programmation avec Python.
2016-09-18 HDF5
A slightly biaised post is a good way to learn. See for example this one Moving away from HDF5 and the next one more objective Should you use HDF5?. The post is about publishing a blog post with Travis: Setting up a blog with Pelican and GitHub Pages. By following the link, you find a way to put private keys in your code Publish your Pelican blog on Github pages via Travis-CI.
2016-09-05 Reprise des cours
Et donc je n'ai pas trop le temps de blogger. J'ai jeté un coup d'oeil sur PyCon 2016. Pas mal de vidéo intéressante. Pour ceux qui préfèrent les maths, quelques jeux autour des systèmes de complétion. Mais je ne suis pas le seul artiste dans la famille. Si vous passez à Charleville.
more...
2016-08-16 Reading, modules about machine learning...
How to train a model with imbalanced datasets (not enough observation for a class), to do recommendations or to compute confidence intervals on prediction with a random forest? That's some of the answer the following extensions of scikit-learn try to answer.
- imbalanced-learn imbalanced-learn is a python package offering a number of re-sampling techniques commonly used in datasets showing strong between-class imbalance. It is compatible with scikit-learn and is part of scikit-learn-contrib projects.
- polylearn Factorization machines and polynomial networks are machine learning models that can capture feature interaction (co-occurrence) through polynomial terms. Because feature interactions can be very sparse, it's common to use low rank, factorized representations; this way, we can learn weights even for feature co-occurrences that haven't been observed at training time.
- forest-confidence-interval forest-confidence-interval is a Python module for calculating variance and adding confidence intervals to scikit-learn random forest regression or classification objects. The core functions calculate an in-bag and error bars for random forest objects
Some papers. I will not probably have time to read more than one or two with the teachings preparation but I should to get more ideas about students projects.
- Estimation and Accuracy after Model Selection
- Confidence Intervals for Random Forests: The Jackknife and the Infinitesimal Jackknife
- Consistent Algorithms for Clustering Time Series
- Random Rotation Ensembles
- A Tool for Measuring String Similarity
- Causal Inference through a Witness Protection Program
- The Statistical Performance of Collaborative Inference
- Learning Algorithms for Second-Price Auctions with Reserve
- Spectral Ranking using Seriation
- Estimation from Pairwise Comparisons: Sharp Minimax Bounds with Topology Dependence
- The Benefit of Multitask Representation Learning
- Convex Calibration Dimension for Multiclass Loss Matrices
2016-08-11 Tous mes cours sont sur GitHub...
Et pour m'envoyer une correction, vous pouvez m'envoyer un mail ou utiliser le processus suivant : Editing files in your repository.
2016-08-09 Quelques lectures intéressantes pendant la préparation des cours
2016-07-20 Python module: mlxtend
A module to follow mlxtend. Don't forget to read the blog of his author: sebastianraschka. Worth the detour.
2016-06-25 Writing scientific with Sphinx
There exists many cheat sheets for Sphinx. One of the most simple and useful is the following: Sample Document. Just click on the source.
Sometimes line-block does not keep indentation. The solution is then to update your style as follows: my-style.css.
2016-06-20 A joke but it is so true
source: commitstrip
2016-06-15 Talk at PyData: 10 plotting libraries
I did a talk at PyData yesterday. My slides and notebook are available at: PyData 06/14/2016 in Paris.
2016-06-14 Post de Microsoft sur le hackathon avec l'ENSAE et la Croix-Rouge
Je relaie les deux articles publiés par Microsoft à propos de la série de hackathons académiques dont celui organisé à Paris avec l'ENSAE et La Croix-Rouge : Developing the Next Wave of Data Scientists, Firing up next-generation data scientists. Le premier article contient un lien vers les vidéos réalisées pour chaque événement.
J'ai participé à celui-ci.
| <-- --> |
Xavier Dupré
|
