Snippets

Du code concis, avec une explication claire.

python

scipy.stats: ttests

Tests t univariés et à deux échantillons.

#scipy#ttest#stats
python

seaborn clustermap: corrélation clusterisée

visualiser une matrice de corrélation avec clustering hiérarchique

#seaborn#clustermap#correlation
python

seaborn FacetGrid et catplot

facetter des distributions par catégories avec seaborn

#seaborn#facetgrid#catplot
python

sentence-transformers: embeddings de phrases

encoder des phrases en vecteurs denses et comparer

#transformers#embeddings#similarity
python

shap: summary et dependence plots

Visualiser l'importance globale et l'effet d'une feature.

#shap#summary#dependence
python

shap: expected value (baseline)

Comprendre la valeur de base de SHAP et les contributions.

#shap#expected-value#baseline
python

shap: TreeExplainer pour modèles d'arbres

Expliquer une prédiction tabulaire d'un modèle de type gradient boosting.

#shap#explainability#trees
python

shap: waterfall et force plot

Illustrer la décomposition d'une prédiction via waterfall/force.

#shap#waterfall#force-plot
python

SHAP: valeurs d'interaction

calculer et visualiser les interactions de features avec SHAP

#shap#interaction#explainability
python

sklearn BIRCH: clustering incrémental

clustering incrémental BIRCH pour grands jeux de données

#sklearn#clustering#birch
python

Shapely: opérations géométriques

buffer, intersection, union et distance avec Shapely

#shapely#geometry#gis
python

sklearn: score de Brier et calibration

évaluer et calibrer les probabilités via Brier score

#sklearn#calibration#metrics
← Plus récents page 31 sur 107 Plus anciens →