Les données ne sont pas en ligne, pour faire marcher le code, il suffit de les ajouter dans un dossier 'data' à la racine du projet
-
MIL.py : Permet de lancer la méthode Multiple Instance learning en CLI. Exemple : python MIL.py --Val False --Test True --n_runs_test 5
Paramètres :- Val (True ou False). Si c'est True, le choix du meilleur K est lancé
- Test (True ou False). Si c'est True, le Test est lancé avec K fixé à 100 car c'est la meilleure valeur
- n_runs_val : nombre d'occurences indépendantes pour la validation
- n_runs_val : Pareil mais pour le test
-
sliced_data.ipynb : notebook qui permet de générer les données pour l'inférence sur les données par slices. Laissez vous guider
-
tree_classification.ipynb : notebook qui permet de tester les classifieurs sous forme d'arbre décisionnels.
-
extract_and_save.ipynb : Notebook qui permet de convertir les fichiers excel en tenseurs utilisables pour la régression logistique et PARAFAC (données de départ de Laurent Le Brusquet donnée lors du cours de AMDA)
-
tensor_analysis.ipynb : Notebook qui contient toute l'analyse tensorielle des données avec notamment PARAFAC et la régression logistique tensorielle