Les bookmarks de Clem
2385 shaares
Ayant eu à réinstaller tous mes packages R récemment, je stocke ici le code utilisé :
install.packages(c("adehabitatHS", "raster", "maptools","rgdal","spatstat","knitr","ggplot2","xtable","splancs",
"sp","MCMCglmm","devtools","rjags","coda","igraph","openssl","rpanel","gsl","adehabitat",
"RgoogleMaps","devtools","rgeos","ggmap","RODBC", "tidyverse","sf","lme4","rgeos","car","ggplot2","stringr","lubridate"), dep=TRUE)
library(devtools)
install_github("ClementCalenge/oncfsMisc")
install_github("ClementCalenge/metroponcfs")
install_github("ClementCalenge/scankd")
install_github("ClementCalenge/scsl")
install_github("ClementCalenge/roedeer3sites")
install_github("thomasp85/gganimate")
install.packages(c("adehabitatHS", "raster", "maptools","rgdal","spatstat","knitr","ggplot2","xtable","splancs",
"sp","MCMCglmm","devtools","rjags","coda","igraph","openssl","rpanel","gsl","adehabitat",
"RgoogleMaps","devtools","rgeos","ggmap","RODBC", "tidyverse","sf","lme4","rgeos","car","ggplot2","stringr","lubridate"), dep=TRUE)
library(devtools)
install_github("ClementCalenge/oncfsMisc")
install_github("ClementCalenge/metroponcfs")
install_github("ClementCalenge/scankd")
install_github("ClementCalenge/scsl")
install_github("ClementCalenge/roedeer3sites")
install_github("thomasp85/gganimate")
L'article associé a l'air génial. À lire absolument.
Le but : utiliser du machine learning sur des données de crimes liés à la drogue identifiés par la police dans le passé pour identifier les zones où ces crimes vont se produire dans le futur.
Le piège : biais de collecte monstrueux; au lieu d'identifier de nouvelles zones où ces problèmes se produisent, l'algo est "tiré" en direction des quartiers où ces problèmes ont déjà été identifiés. Donc l'algo envoie la police dans des zones déjà super-surveillées, et passe à côté des nouvelles zones les plus dangereuses.
"Predictive policing makes policing even more unfair than it already is".
Le piège : biais de collecte monstrueux; au lieu d'identifier de nouvelles zones où ces problèmes se produisent, l'algo est "tiré" en direction des quartiers où ces problèmes ont déjà été identifiés. Donc l'algo envoie la police dans des zones déjà super-surveillées, et passe à côté des nouvelles zones les plus dangereuses.
"Predictive policing makes policing even more unfair than it already is".
Un autre lien sur git
Je cherche à encourager les collègues à utiliser git pour leur projet, mais comme ils sont tous sous windows, je cherche des bons tutos pour windows qui pourraient les motiver. Celui-là m'a l'air pas mal...
À creuser...
À creuser...
Revenir à un ancien commit, définir master là, et placer les commits les plus récents sur une branche annexe, pour mémoire.
Sympa. Via Mathieu.
Apparemment, il existe des méthodes stats permettant de modéliser des trajets sur une sphère (par exemple des migrations d'animaux, des trajets d'ouragans, etc.). Je ne connaissais pas.
Bon, pas besoin pour le moment, mais c'est bon de savoir que ça existe.
Bon, pas besoin pour le moment, mais c'est bon de savoir que ça existe.
Un nombre premier dont la représentation en binaire est une girafe. Marrant.
Une autre source sur pourquoi la surdispersion ne peut pas être estimée avec des variables binaires. A noter, je ne suis pas complètement d'accord quand il dit que la surdispersion n'a pas de sens. Hadfield indique pour illustrer ce point qu'il y a une différence entre 5% des patients d'un hôpital ayant 100% de chances de mourir, et tous les patients ayant chacun 5% de chances de mourir, même si le glm ne pourra pas faire la différence entre les deux... pourtant le premier cas est un cas extrême de surdispersion.
Excellente réponse de Ben Bolker sur la gestion de la sur/sous-dispersion avec des variables binaires, pas toujours possible à estimer (avec références). Sur ce sujet voir aussi les "course notes" fournies comme vignette du package MCMCglmm par Jarrod Hadfield.
Marrant.
Frank Harrell sur les pourcentages, et sur la nécessité de leur préférer des proportions. Autant j'accepte ses arguments, autant quand on parle avec des non-scientifiques, parler en proportion va complètement larguer l'interlocuteur qui n'y est pas habitué...
Culture du jour : le ne explétif, utilisé dans des phrases comme "Je crains qu'il ne soit trop tard", n'est jamais obligatoire. Et dans certains cas, interdit (si la proposition principale est négative, on ne peut pas l'utiliser -- par exemple, on ne dira pas "Je ne crains pas qu'il ne soit trop tard", mais "Je ne crains pas qu'il soit trop tard"). Bref, sa présence n'étant pas obligatoire, l'attitude la plus sûre en cas de doute est de ne pas l'utiliser ("Je crains qu'il soit trop tard" est parfaitement acceptable).
Sur le swap, à lire
Marrant.
A lire
Je sais pas trop ce que je viens de regarder, mais j'adore. Horrible !
Numéro spécial de MEE sur l'élicitation d'avis d'expert. A récupérer et lire.
Une bonne description des deux failles spectre et Meltdown.