This commit is contained in:
Louis
parent
af550ea727
commit
ec0b6160ac
2 changed files with 158 additions and 1 deletions
|
|
@ -1,6 +1,6 @@
|
|||
---
|
||||
title: "Bilan semaine 20 2025 : 12 mai - 16 mai"
|
||||
categories: [colBiSBM, inférence]
|
||||
categories: [colBiSBM, inférence, GNN]
|
||||
date: 2025 05 16
|
||||
---
|
||||
|
||||
|
|
|
|||
157
suivi/2025-21/2025-21.qmd
Normal file
157
suivi/2025-21/2025-21.qmd
Normal file
|
|
@ -0,0 +1,157 @@
|
|||
---
|
||||
title: "Bilan semaine 21 2025 : 19 mai - 23 mai"
|
||||
categories: [colBiSBM, inférence, GNN]
|
||||
date: 2025 05 23
|
||||
---
|
||||
|
||||
## TOP PRIORITÉ
|
||||
|
||||
- Corriger pour les simus dans l'article : écrire $N = \#\text{ de répétitions}$
|
||||
- Pour clustering de collections sur données réelles :
|
||||
- ~~Relâcher la pénalité pour les coupes pour proposer modèles.~~
|
||||
|
||||
→ L'intuition de Pierre semble être confirmé, les dissimilarités semblent arrêter de varier sensiblement pour de grandes valeurs $(Q_1,Q_2)$.
|
||||
- Faire le `hclust` avec diverses distances et voir si les coupes proposées diffèrent sensiblement
|
||||
- Si plusieurs clustering possibles les tester et sélectionner le
|
||||
meilleur
|
||||
- Ré-ajuster les bonnes partitions.
|
||||
- Données simulées tester diverses distances.
|
||||
|
||||
|
||||
- Dé-bugger les simulations :
|
||||
|
||||
- Inférence : 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 -> BUG, dois creuser mais juste des problèmes techniques -> Visiblement il y a d'autres problèmes que juste le plan de parallélisation.
|
||||
|
||||
- Vérifier si problème de version tidyverse pour vapply sur l'**inférence**.
|
||||
|
||||
- Si problème de parallélisation vient de pb de version *future.callr* le signaler à MIGALE.
|
||||
|
||||
### Présentations LSD, JdS et ML@Aussois
|
||||
|
||||
- A l'oral pourquoi des réseaux : car de plus en plus disponibles et idée derrière, la structure fonctionnelle permet de comprendre les caractéristiques de l'écosystème décrit
|
||||
- Chercher des réfs pour les méthodes (Hoff Latent Position Model, Nowicki pour LBM, une review pour les métriques voir thèses St Clair et Emré)
|
||||
- Sur slide méthodes différencier métriques micro et macro et dire oralement que nous méso
|
||||
- Indiquer sur une slide le problème de support pour $\pi\rho$ à faire s'il y a
|
||||
le temps.
|
||||
- Résultats sur les réseaux Baldock, regarder le positionnement par bloc des
|
||||
espèces communes, regarder les probas d'appartenance aux blocs par espèces
|
||||
communes et par réseau.
|
||||
|
||||
|
||||
### Applications
|
||||
|
||||
- Kmeans sur la densité des réseaux subdoré pour pré-partitionner et *clusteriser*.
|
||||
Car densités déséquilibrées.
|
||||
|
||||
:::{#ref-kmeans-vae}
|
||||
|
||||
- Faire GNN-VAE Doré et sub-Doré avec kmeans et clustering sur l'espace latent
|
||||
J'ai commencé à regarder un peu
|
||||
|
||||
:::
|
||||
|
||||
- Comparer les perfs du VAE sur Baldock avec colBiSBM par exemple
|
||||
|
||||
### Inférence et microbes
|
||||
|
||||
- Lancer *colBiSBM* sur $OTU\times Sample$ → problème du chargement en mémoire des données à voir
|
||||
- Se renseigner techniques d'inférence de réseaux :
|
||||
- covariance (base corrélation et seuil)
|
||||
- GraphicalLASSO
|
||||
- Co-occurence
|
||||
- Lancer *colSBM* sur $OTU\times OTU$
|
||||
- Creuser [TabNet](https://raw.githubusercontent.com/cregouby/R-toulouse-tabnet/main/Tabnet_RR2023_fr_pdf.pdf) de Christophe Regouby et les [exercices](https://github.com/cregouby/Tutoriel_torch)
|
||||
- Regarder **SPARTA** Rennes
|
||||
- Lire Papiers compositional data (Aitchison et al. intro)
|
||||
- Lire article multi-niveaux Saint-Clair
|
||||
- Demander à JA si elle connaît des réseaux d'interactions connus par les experts (idée d'intégrer une connaissance experte et de voir les différences de structure par rapport à celle attendue)
|
||||
- Ecrire et étudier les modèles pour différents niveaux taxonomiques.
|
||||
\begin{align*}
|
||||
i \rightarrow &~N^1_i \subseteq N^2_i \subseteq N^3_i & \text{Taxonomie}\\
|
||||
Z^0_i \overset{?}{=} & Z^1_i \overset{?}{=} Z^2_i \overset{?}{=} Z^3_i & \text{Groupes fonctionnels}
|
||||
\end{align*}
|
||||
|
||||
## A discuter
|
||||
|
||||
## A faire
|
||||
|
||||
### Inférence
|
||||
|
||||
- Papier pour comprendre données
|
||||
- ~~Faust et al.~~
|
||||
- Abdill et al.
|
||||
- Bashan et al.
|
||||
|
||||
- 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
|
||||
- Dire résultats nettement meilleurs et variabilités inférieures.
|
||||
|
||||
|
||||
## J'ai fait
|
||||
|
||||
## A continuer
|
||||
|
||||
### 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 !
|
||||
|
||||
### Axe inférence
|
||||
|
||||
- Lire biblio fournie Julie, Inférence de réseaux : co-occurence
|
||||
|
||||
> J'ai lu Faust et al.
|
||||
> Je lis Abdill et al.
|
||||
|
||||
## Repoussés ou abandonnés
|
||||
:::{.callout-note collapse="true"}
|
||||
## Déplier pour voir
|
||||
- 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.
|
||||
|
||||
> Je n'arrive pas à comprendre les erreurs qui arrivent
|
||||
|
||||
- Lire Biological Networks - François Képès
|
||||
|
||||
- Regarder les applications pour les collections de réseaux recommender system *Pas pertinents et trop gros*
|
||||
|
||||
:::{#lst-reco-systems lst-cap="Recommender systems data"}
|
||||
Par exemple :
|
||||
|
||||
- [Liste de recommendation data](https://cseweb.ucsd.edu/~jmcauley/datasets.html)
|
||||
:::
|
||||
|
||||
|
||||
### Papier plus multi-applications
|
||||
- Données d'Elisa herbivore ?
|
||||
- Données urbanisations ?
|
||||
|
||||
### 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**.
|
||||
|
||||
### Simulations article
|
||||
|
||||
- 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.
|
||||
:::
|
||||
Loading…
Add table
Reference in a new issue