Partie ML plus esthétique

Author: linogaliana

_quarto.yml

@@ -7,11 +7,8 @@ project:
     - content/getting-started/index.qmd
     - content/manipulation/index.qmd
     - content/visualisation/index.qmd
-    - content/visualisation/maps.qmd
     - content/modelisation/index.qmd
-    - content/modelisation/3_regression.qmd
     - content/NLP/index.qmd
-    - content/modern-ds/s3.qmd
     - content/annexes/corrections.qmd
     - content/annexes/evaluation.qmd
     - content/git/*.qmd

content/annexes/corrections.qmd

@@ -23,95 +23,118 @@ defaultPrint = (isBetweenSeptAndDec() === false)
 
 # Partie 1: manipuler des données
 
+
 * [Retour sur `Numpy`](https://github.com/linogaliana/python-datascientist-notebooks/blob/main/corrections/manipulation/01_numpy.ipynb)
 
-```{ojs}
-renderCorrection({fpath: "content/manipulation/01_numpy.qmd", correction: true})
-```
+{{< badges
+    fpath="/content/manipulation/01_numpy.qmd"
+    printMessage="false"
+    correction="true"
+>}}
 
 * [Introduction à `Pandas`](../manipulation/02_pandas_intro.qmd)
 
-```{ojs}
-renderCorrection({fpath: "content/manipulation/02_pandas_intro.qmd", correction: true})
-```
+{{< badges
+    fpath="/content/manipulation/02_pandas_intro.qmd"
+    printMessage="false"
+    correction="true"
+>}}
 
 * [Manipulations de données avec `Pandas`](../manipulation/02_pandas_suite.qmd)
 
-```{ojs}
-renderCorrection({fpath: "content/manipulation/02_pandas_suite.qmd", correction: true})
-```
-
+{{< badges
+    fpath="/content/manipulation/02_pandas_suite.qmd"
+    printMessage="false"
+    correction="true"
+>}}
 
-* [Exercices `Geopandas`](../manipulation/03_geopandas_TP.qmd) :
+* [Exercices `Geopandas`](../manipulation/03_geopandas_TP.qmd)
 
-```{ojs}
-renderCorrection({fpath: "content/manipulation/03_geopandas_TP.qmd", correction: true})
-```
+{{< badges
+    fpath="/content/manipulation/03_geopandas_TP.qmd"
+    printMessage="false"
+    correction="true"
+>}}
 
 * [Exercices _webscraping_](../manipulation/04a_webscraping_TP.qmd)
 
-```{ojs}
-renderCorrection({fpath: "content/manipulation/04a_webscraping_TP.qmd", correction: true})
-```
-
+{{< badges
+    fpath="/content/manipulation/04a_webscraping_TP.qmd"
+    printMessage="false"
+    correction="true"
+>}}
 
 * [Exercices expressions régulières](../manipulation/04b_regex_TP.qmd)
 
-```{ojs}
-renderCorrection({fpath: "content/manipulation/04b_regex_TP.qmd", correction: true})
-```
-
+{{< badges
+    fpath="/content/manipulation/04b_regex_TP.qmd"
+    printMessage="false"
+    correction="true"
+>}}
 
 * [Exercices API](../manipulation/04c_API_TP.qmd)
 
-```{ojs}
-renderCorrection({fpath: "content/manipulation/04c_API_TP.qmd", correction: true})
-```
+{{< badges
+    fpath="/content/manipulation/04c_API_TP.qmd"
+    printMessage="false"
+    correction="true"
+>}}
+
 
 # Partie 2: visualiser les données
 
-* [Exercices graphiques classiques](../visualisation/matplotlib.qmd)
 
-```{ojs}
-renderCorrection({fpath: "content/visualisation/matplotlib.qmd", correction: defaultPrint})
-```
+* [Exercices graphiques classiques](../visualisation/matplotlib.qmd)
 
+{{< badges
+    fpath="/content/visualisation/matplotlib.qmd"
+    printMessage="false"
+    correction="true"
+>}}
 
 * [Exercices sur la cartographie](../visualisation/maps.qmd)
 
-```{ojs}
-renderCorrection({fpath: "content/visualisation/maps.qmd", correction: defaultPrint})
-```
-
+{{< badges
+    fpath="/content/visualisation/maps.qmd"
+    printMessage="false"
+    correction="true"
+>}}
 
 
 # Partie 3: modéliser
 
+
 * [Exercices sur le _preprocessing_](../modelisation/0_preprocessing.qmd)
 
-```{ojs}
-renderCorrection({fpath: "content/modelisation/0_preprocessing.qmd", correction: defaultPrint})
-```
+{{< badges
+    fpath="/content/modelisation/0_preprocessing.qmd"
+    printMessage="false"
+    correction="true"
+>}}
 
 * [Exercices sur l'évaluation des modèles](../modelisation/1_modelevaluation.qmd)
 
-```{ojs}
-renderCorrection({fpath: "content/modelisation/1_modelevaluation.qmd", correction: defaultPrint})
-```
-
+{{< badges
+    fpath="/content/modelisation/1_modelevaluation.qmd"
+    printMessage="false"
+    correction="true"
+>}}
 
 * [Exercices sur la classification](../modelisation/2_SVM.qmd)
 
-```{ojs}
-renderCorrection({fpath: "content/modelisation/2_SVM.qmd", correction: defaultPrint})
-```
+{{< badges
+    fpath="/content/modelisation/2_SVM.qmd"
+    printMessage="false"
+    correction="true"
+>}}
 
 * [Exercices sur la régression](../modelisation/3_regression.qmd)
 
-
-```{ojs}
-renderCorrection({fpath: "content/modelisation/3_regression.qmd", correction: defaultPrint})
-```
+{{< badges
+    fpath="/content/modelisation/3_regression.qmd"
+    printMessage="false"
+    correction="true"
+>}}
 
 * [Exercices sur la sélection de variables](../modelisation/4_featureselection.qmd)
 

content/modelisation/4_featureselection.qmd

@@ -1,17 +1,5 @@
 ---
 title: "Sélection de variables : une introduction"
-draft: false
-weight: 50
-slug: lasso
-type: book
-tags:
-  - scikit
-  - machine learning
-  - US elections
-  - LASSO
-  - feature selection
-  - Modélisation
-  - Exercice
 categories:
   - Modélisation
   - Exercice
@@ -31,11 +19,9 @@ echo: false
 ---
 
 
-
-
-::: {.content-visible when-format="html"}
-{{< include "../../build/_printBadges.qmd" >}}
-:::
+{{< badges
+    printMessage="true"
+>}}
 
 
 
@@ -113,7 +99,7 @@ $$
 \text{s.t. } \sum_{j=1}^p |\beta_j| \leq t
 $$
 
-Ce programme se reformule grâce au Lagrangien est permet ainsi d'obtenir un programme de minimisation plus maniable : 
+Ce programme se reformule grâce au Lagrangien et permet ainsi d'obtenir un programme de minimisation plus maniable : 
 
 $$
 \beta^{\text{LASSO}} = \arg \min_{\beta} \frac{1}{2}\mathbb{E}\bigg( \big( X\beta - y  \big)^2 \bigg) + \alpha \sum_{j=1}^p |\beta_j| = \arg \min_{\beta} ||y-X\beta||_{2}^{2} + \lambda ||\beta||_1
@@ -197,11 +183,8 @@ def extract_features_selected(lasso: Pipeline, preprocessing_step_name: str = 'p
     return features_selec
 ```
 
-::: {.cell .markdown}
-```{=html}
-<div class="alert alert-success" role="alert">
-<h3 class="alert-heading"><i class="fa-solid fa-pencil"></i> Exercice 1 : Premier LASSO</h3>
-```
+::: {.exercise}
+## Exercice 1 : Premier LASSO
 
 On cherche toujours à prédire la variable `per_gop`. Avant de faire notre estimation, nous allons créer certains objets intermédiaires qui seront utilisés pour
 définir notre _pipeline_:
@@ -273,9 +256,6 @@ preprocessor = ColumnTransformer(transformers=[
 </details>
 
 
-```{=html}
-</div>
-```
 :::
 
 
@@ -515,19 +495,12 @@ preprocessed_features = pd.DataFrame(
 
 
 
-::: {.cell .markdown}
-```{=html}
-<div class="alert alert-success" role="alert">
-<h3 class="alert-heading"><i class="fa-solid fa-pencil"></i> Exercice 2 : Rôle du paramètre de pénalisation</h3>
-```
+::: {.exercise}
+## Exercice 2 : Rôle du paramètre de pénalisation
 
 Utiliser la fonction `lasso_path` pour évaluer le nombre de paramètres sélectionnés par LASSO lorsque $\alpha$
 varie (parcourir $\alpha \in [0.001,0.01,0.02,0.025,0.05,0.1,0.25,0.5,0.8,1.0]$ ). 
 
-
-```{=html}
-</div>
-```
 :::
 
 
@@ -658,15 +631,8 @@ print(f"Cela correspond à un modèle avec {n_var_selected} variables sélection
 ```
 
 
-::: {.cell .markdown}
-```{=html}
-<div class="alert alert-warning" role="alert">
-<h3 class="alert-heading"><i class="fa-solid fa-pencil"></i> Hint</h3>
-```
+::: {.tip}
 
 Dans le cas où le modèle paraîtrait trop peu parcimonieux, il faudrait revoir la phase de définition des variables pertinentes pour comprendre si des échelles différentes de certaines variables ne seraient pas plus appropriées (par exemple du `log`). 
 
-```{=html}
-</div>
-```
 :::