Ajout fichier semaine 18

suivi/2025-18/2025-18.qmd

@@ -0,0 +1,85 @@
+---
+title: "Bilan semaine 18 2025 : 28 avril - 2 mai"
+categories: [colBiSBM, inférence]
+---
+
+## A faire
+
+### JdS 
+
+- colDEM CSE
+
+### Stratégie suite : Inférence
+
+- Lire biblio fournie Julie, Inférence de réseaux : co-occurence
+
+- Papier pour comprendre données 
+
+- pbs : variance, bcp de zero, covariables, offset et taxonomie (Reseaux arretes differents niveaux : Genre, OTU ...)
+
+> Combine networks at different taxonomic levels
+
+- Inférence + GREMLINS
+
+### Rédaction article
+
+- Relire intro St Clair
+- S'inspirer structure pour mon intro
+- Trouver biblio intro
+- Rédiger l'intro
+- Regarder les applications pour les collections de réseaux recommender system
+- Lire les papiers de Baldock Traveset Souza Cordeniz Trojelsgaard et Gibson
+
+- Dire résultats nettement meilleurs et variabilités inférieures.
+
+- Intégrer les retours de Sophie
+
+### Simulations article
+
+
+- Relancer simus clustering avec VEM steps = 10 000 et plus nombreux init pour spectral
+
+- Ajouter simu clustering métriques nb sous-collections obtenues. 
+Vérifier les résultats obtenus si ARI = 0. Et augmenter la taille $M = 30$ avec $M_1 = M_2 = M_3 = 10$.
+
+- Comparer sur clustering unipartite avec versions symétriser des par blocs des matrices d'adjacences.
+
+- Corriger structure de simus :
+    - Pour noisy $\alpha$ : 
+        - Logit pour envoyer la gaussienne vers (0,1)
+        - Beta contrainte dans (0,1)
+    - Pour noisy links : Générer `nb_clustering` collections de taille M puis prélever $\epsilon_{max}n_r n_c$ liens à inverser puis pour les $\epsilon < \epsilon_{max}$ prélever dans la liste des indices afin d'avoir des perturbations emboitées. 
+
+### Applications
+
+- Kmeans sur la densité des réseaux subdoré pour pré-partitionner et *clusteriser*.
+Car densités déséquilibrées.
+
+![](figs/density-subdore.png)
+
+### Autour de l'article et du package
+
+- Créer des vignettes illustrant par exemple des cas de simulations. **Possible de mettre l'exemple d'application de Sophie sur les réseaux avec gradient d'urbanisation**.
+
+## J'ai fait
+
+
+
+## A continuer
+
+ - Résultats simus NA **Erreur pour certaines conditions** : Pour NA robustness générer `nb_rep` collections de taille $M=2$ et prélever 
+$\epsilon_{max}n_r n_c$ liens à retirer puis pour les $\epsilon < \epsilon_{max}$ prélever dans la liste des indices afin d'avoir des perturbations emboitées.
+Il faut que j'ajoute un mécanisme pour reprendre des conditions qui ont plantés et que je skip dans le future_lapply les conditions déjà traitées (pour avoir la même seed quand je vais exécuter le code). 
+Implémenté les missing steps *en attente des résultats MIGALE*. 
+
+- Lire Biological Networks -  François Képès
+
+- Relancer simus d'inférence avec n = 240 pour voir si la qualité augmenter (se rassurer). En fait on est déjà à 240, j'ai relancé avec M = 4 au lieu de M = 2.
+En attente résultats MIGALE
+
+### Applications
+
+- Idée Sophie: Regarder clustering de données plantes-pollinisateur selon gradient d'urbanisation
+
+> Sophie a fait une appli qui marche bien et va dans le sens de l'analyse faite
+(à savoir pas d'effet du gradien d'urbanisation). À continuer pour l'intégrer dans l'article !