diff --git a/suivi/2025-33/2025-33.qmd b/suivi/2025-33/2025-33.qmd index 61384b7..ef81e72 100644 --- a/suivi/2025-33/2025-33.qmd +++ b/suivi/2025-33/2025-33.qmd @@ -59,293 +59,6 @@ $$\widehat{\delta_m} = \frac{\sum_{q,r} e^m_{qr}}{\sum_{q,r} n^m_{qr}},~\widehat - Regarder la liste des cours du MathSV et de l'Université Paris-Saclay. -- Inférence finie mais résultats pas fous: - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
The proportion of dataset where the correct number of blocks is selected.
iid
$\pi$
$\rho$
$\pi\rho$
$\epsilon_{\alpha}$ $\bm{1}_{\widehat{Q_1} \lt 4}$ $\bm{1}_{\widehat{Q_1} = 4}$ $\bm{1}_{\widehat{Q_1} \gt 4}$ $\bm{1}_{\widehat{Q_2} \lt 4}$ $\bm{1}_{\widehat{Q_2} = 4}$ $\bm{1}_{\widehat{Q_2} \gt 4}$ $\bm{1}_{\widehat{Q_1} \lt 4}$ $\bm{1}_{\widehat{Q_1} = 4}$ $\bm{1}_{\widehat{Q_1} \gt 4}$ $\bm{1}_{\widehat{Q_2} \lt 4}$ $\bm{1}_{\widehat{Q_2} = 4}$ $\bm{1}_{\widehat{Q_2} \gt 4}$ $\bm{1}_{\widehat{Q_1} \lt 4}$ $\bm{1}_{\widehat{Q_1} = 4}$ $\bm{1}_{\widehat{Q_1} \gt 4}$ $\bm{1}_{\widehat{Q_2} \lt 4}$ $\bm{1}_{\widehat{Q_2} = 4}$ $\bm{1}_{\widehat{Q_2} \gt 4}$ $\bm{1}_{\widehat{Q_1} \lt 4}$ $\bm{1}_{\widehat{Q_1} = 4}$ $\bm{1}_{\widehat{Q_1} \gt 4}$ $\bm{1}_{\widehat{Q_2} \lt 4}$ $\bm{1}_{\widehat{Q_2} = 4}$ $\bm{1}_{\widehat{Q_2} \gt 4}$
0.00 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0
0.03 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0
0.06 0.19 $\pm$ 0.04 0.81 $\pm$ 0.04 0 0.24 $\pm$ 0.04 0.76 $\pm$ 0.04 0 0.02 $\pm$ 0.01 0.33 $\pm$ 0.05 0.65 $\pm$ 0.05 0.26 $\pm$ 0.04 0.74 $\pm$ 0.04 0 0.17 $\pm$ 0.04 0.83 $\pm$ 0.04 0 0.02 $\pm$ 0.01 0.2 $\pm$ 0.04 0.78 $\pm$ 0.04 0.06 $\pm$ 0.02 0.87 $\pm$ 0.03 0.06 $\pm$ 0.02 0.01 $\pm$ 0.01 0.88 $\pm$ 0.03 0.11 $\pm$ 0.03
0.09 0 0.94 $\pm$ 0.02 0.06 $\pm$ 0.02 0 0.91 $\pm$ 0.03 0.09 $\pm$ 0.03 0 0.1 $\pm$ 0.03 0.9 $\pm$ 0.03 0 1 0 0 1 0 0 0.13 $\pm$ 0.03 0.87 $\pm$ 0.03 0 0.87 $\pm$ 0.03 0.13 $\pm$ 0.03 0 0.87 $\pm$ 0.03 0.13 $\pm$ 0.03
0.12 0 0.94 $\pm$ 0.02 0.06 $\pm$ 0.02 0 0.91 $\pm$ 0.03 0.09 $\pm$ 0.03 0 0.26 $\pm$ 0.04 0.74 $\pm$ 0.04 0 1 0 0 1 0 0 0.3 $\pm$ 0.04 0.7 $\pm$ 0.04 0 0.84 $\pm$ 0.04 0.16 $\pm$ 0.04 0 0.83 $\pm$ 0.04 0.17 $\pm$ 0.04
0.15 0 0.85 $\pm$ 0.03 0.15 $\pm$ 0.03 0 0.86 $\pm$ 0.03 0.14 $\pm$ 0.03 0 0.34 $\pm$ 0.05 0.66 $\pm$ 0.05 0 1 0 0 1 0 0 0.3 $\pm$ 0.04 0.7 $\pm$ 0.04 0 0.81 $\pm$ 0.04 0.19 $\pm$ 0.04 0 0.8 $\pm$ 0.04 0.2 $\pm$ 0.04
0.18 0 0.87 $\pm$ 0.03 0.13 $\pm$ 0.03 0 0.84 $\pm$ 0.04 0.16 $\pm$ 0.04 0 0.36 $\pm$ 0.05 0.64 $\pm$ 0.05 0 1 0 0 1 0 0 0.35 $\pm$ 0.05 0.65 $\pm$ 0.05 0 0.87 $\pm$ 0.03 0.13 $\pm$ 0.03 0 0.82 $\pm$ 0.04 0.18 $\pm$ 0.04
0.21 0 0.92 $\pm$ 0.03 0.08 $\pm$ 0.03 0 0.89 $\pm$ 0.03 0.11 $\pm$ 0.03 0 0.4 $\pm$ 0.05 0.6 $\pm$ 0.05 0 1 0 0 1 0 0 0.39 $\pm$ 0.05 0.61 $\pm$ 0.05 0 0.84 $\pm$ 0.04 0.16 $\pm$ 0.04 0 0.84 $\pm$ 0.04 0.16 $\pm$ 0.04
0.24 0 0.88 $\pm$ 0.03 0.12 $\pm$ 0.03 0 0.85 $\pm$ 0.03 0.15 $\pm$ 0.03 0 0.47 $\pm$ 0.05 0.53 $\pm$ 0.05 0 1 0 0 0.99 $\pm$ 0.01 0.01 $\pm$ 0.01 0 0.4 $\pm$ 0.05 0.6 $\pm$ 0.05 0 0.85 $\pm$ 0.03 0.15 $\pm$ 0.03 0 0.82 $\pm$ 0.04 0.18 $\pm$ 0.04
- - ⌛ **Plutôt regarder pour introduire un modèle $\delta$-colBiSBM**. - Ajouter le produit par $\delta$ là où nécessaire - Ajouter les modèles $\delta$, $\delta\pi, \dots$ et les blocs conditionnels @@ -390,11 +103,16 @@ Plus sur le temps long, à regarder ## Biblio à faire - Regarder Transport optimal graphes bipartite. -- HDR VB, chapitre de modèle à blocs latents, bcp travaillé sur bipartite -OT, comparaison clustering, adaption ARI, *Largest Gap* + ## Lectures en cours 📚 +### HDR Vincent Brault + +- ⌛ Intro +- Chap 2 +- Chap 3 + ### OT - ⌛ @mazeletUnsupervisedLearningOptimal Intéressant pour le transport optimal entre graphes de tailles différentes | Regarder si regularization entropique ne marche pas bien pour le graphe. - ⌛ @nennaLecture2Entropic Pour comprendre le problème d'OT régularisé pour l'entropie.