st_dbscan_sa's People
st_dbscan_sa's Issues
N'utiliser qu'une valeur seuil pour le filtre médian
Comme indiquer par Colin, il est préférable d'utiliser une valeur unique pour le filtre médian. On préserve ainsi la variabilité de l'échantillon afin que le modèle soit plus flexible au final. Une figure (y=dmed, x=distance) et des refs à la littérature sont attendues pour motiver le choix du seuil.
Il faut changer cette partie du code dans le fichier scripts/data_prep.r
:
# Find threshold for each track. Using percentile. !!Arbitrary 95e pct!!
track_list <- unique(train_clean$id_trace)
clean_track <- list()
th_list <- list()
for (i in seq_along(track_list)) {
lab_id <- track_list[i]
# Compute threshold
c_track <- train_clean[train_clean$id_trace == lab_id, ]
q95 <- quantile(c_track$dmed, probs = c(.95))
# Store data
clean_track[[lab_id]] <- c_track[c_track$dmed < q95, ]
th_list[[lab_id]] <- q95
}
# Stats desc on thresholds -> HIGH variability (very interesting for a critical
# analysis)
summarytools::descr(unlist(th_list))
# Merge all df
df_clean <- reshape::merge_all(clean_track)
# Show how many pings have been removed
n_rem <- nrow(train_clean) - nrow(df_clean)
pct_rem <- (n_rem / nrow(df_clean)) * 100
sprintf(
"%s (%s %% of total) pings removed using 95e pct for each track",
n_rem, round(pct_rem)
)
Conversion du temps en numérique et condition pour la f-measure
Discussed in #5
Originally posted by MiboraMinima March 14, 2024
Je propose de m'occuper des petites remarques que Colin nous a fait observer sur le script :
- as_datetime() to num
- Ajouter une condition pour le calcul de la f-measure. if len(pings) == 0: fmeasure = 0 (pour prévenir les na)
Modifier le filtre des outliers pour conserver toutes les traces
Discussed in #2
Originally posted by MiboraMinima March 14, 2024
Ducoup, est-ce que l'on garde les traces à Concarneau ?
Définition des indicateurs stat d'évaluation des résultats
Il faut qu'on se mette d'accord sur les paramètres stat à utiliser pour évaluer les résultats. Actuellement, on a ça :
df_store %>%
group_by(minpts, eps, eps2) %>%
summarize(mean_f = mean(f_measure)) %>%
arrange(desc(mean_f)) %>%
head()
Je pense qu'on peut ajouter la médiane et l'écart-type. On aurait ainsi deux valeurs centrales + une de dispersion.
Figures de validation des paramètres
On doit faire des figures de validation pour la sélection des paramètres (eps
, minpts
et eps2
).
Les boxplots semblent être une bonne solution dans la mesure où l'on peut rapidement estimer la variabilité associée à chaque paramètre ainsi que la tendance de la médiane.
Un scatter plot, genre (x=minpts, y=eps), pourrait également être envisagé afin de mettre en évidence la relation entre les deux paramètres.
Un nouveau script est requis pour ça.
Définition des paramètres
Il faut revoir les paramètres du stdbscan. Actuellement :
df_store <- expand.grid(
minpts = seq(5, 30, 5),
eps = seq(1, 5, 0.75),
eps2 = seq(30, 180, 30),
id = unique(df_clean$id)
)
On s'est dit que 5 mètres pour eps
c'était ambitieux eu égard à la précision des GPS. Il y a une forte relation entre minpts
et eps
, il est important de la prendre en compte. eps2
doit être considéré comme un paramètre de discrétisation.
Actuellement, on est à 6 valeurs par paramètres, on peut bourrer dans la mesure où la parallélisation des CPUs permet de réduire considérablement le temps de calcul.
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.