.. blogpost:: :title: Session 1 :keywords: session 1 :date: 2019-01-29 :categories: session Quelques liens sur cette première session et les notebooks associées : * :ref:`l-rappel` * :ref:`l-regclass` Il n'est pas facile de se souvenir des fonctions importantes pour tel ou tel modules. Ce n'est pas très important, d'autres l'ont déjà sous la forme de cheat sheets : `Cheat Sheet Pandas `_. Quelques exercices : * `DataFrame et Graphes `_ * `Comparer deux régressions `_ Le contenu est hébergé sur `github/papierstat `_, l'ajout d'une *issue* indiquera une partie à développer ou retravailler. Un lien vers le notebook écrit lors de la première séance : :ref:`2019-01-25linregrst`. * `"Why Should I Trust You?": Explaining the Predictions of Any Classifier `_ * `A Ranking-based KNN Approach for Multi-Label Classification `_ * `Multiclass-Multilabel Classification with More Classes than Examples `_ * `ROBPCA: A New Approach to Robust Principal Component Analysis `_ * `SMOTE: Synthetic Minority Over-sampling Technique `_ * `LOF: Identifying Density-Based Local Outliers `_ * `Random Sample Consensus: A Paradigm for Model Fitting with Apphcatlons to Image Analysis and Automated Cartography `_ * `Performance Evaluation of RANSAC Family `_ * `On Bootstrapping the ROC Curve `_ * `Resampling ROC curves `_ * `Exponential Reservoir Sampling for Streaming Language Models `_ * `Face Recognition Machine Vision System Using Eigenfaces `_ * `Fast unfolding of communities in large networks `_ * `On Spectral Clustering Analysis Algorithm `_