remove logging
authorBenjamin Auder <benjamin.auder@somewhere>
Thu, 16 Mar 2017 13:30:17 +0000 (14:30 +0100)
committerBenjamin Auder <benjamin.auder@somewhere>
Thu, 16 Mar 2017 13:30:17 +0000 (14:30 +0100)
reports/ipynb_generator.py
reports/tmp.log [deleted file]

index 4e47063..fedfa40 100755 (executable)
@@ -1,6 +1,6 @@
 #!/usr/bin/env python
 
-import sys, os, re, logging
+import sys, os, re
 
 # Languages mapping as used by markdown/pandoc
 shortname2language = dict(
@@ -27,7 +27,6 @@ def read(text, argv=sys.argv[2:]):
                 include_text = f.read()
             lines[i] = include_text
     text = '\n'.join(lines)
-    logging.info('******* text after include:\n{}'.format(text))
 
     # Run Mako
     mako_kwargs = {}
@@ -48,11 +47,8 @@ def read(text, argv=sys.argv[2:]):
         lookup = TemplateLookup(directories=[os.curdir])
 #        text = text.encode('utf-8')
         temp = Template(text=text, lookup=lookup, strict_undefined=True)
-        logging.info('******* mako_kwargs: {}'.format(str(mako_kwargs)))
         text = temp.render(**mako_kwargs)
 
-    logging.info('******* text after mako:\n{}'.format(text))
-
     # Parse the cells
     lines = text.splitlines()
     cells = []
@@ -67,10 +63,8 @@ def read(text, argv=sys.argv[2:]):
                 if shortname:
                     # Check if code is to be typeset as static
                     # Markdown code (e.g., shortname=py-t)
-                    logging.info('******* found shortname {}'
                         .format(shortname))
                     astext = shortname[-2:] == '-t'
-                    logging.info('******* cell: astext={} shortname={}'
                         .format(astext, shortname))
                     if astext:
                         # Markdown
@@ -85,7 +79,6 @@ def read(text, argv=sys.argv[2:]):
                         inside = 'codecell'
                         cells.append(['codecell', fullname, []])
                 else:
-                    logging.info('******* cell: markdown')
                     # Markdown cell
                     inside = 'markdown'
                     cells.append(['markdown', 'text', ['\n']])
@@ -105,9 +98,6 @@ def read(text, argv=sys.argv[2:]):
             # Add an ending ``` of code
             cells[i][2].append('```\n')
         cells[i][2] = '\n'.join(cells[i][2])
-    # TODO: optional logging
-    import pprint
-    logging.info('******* cell data structure:\b%s' % pprint.pformat(cells))
     return cells
 
 def write(cells):
@@ -147,9 +137,4 @@ def driver():
         f.write(filestr)
 
 if __name__ == '__main__':
-    logfile = 'tmp.log'
-    if os.path.isfile(logfile):
-        os.remove(logfile)
-    logging.basicConfig(format='%(message)s', level=logging.DEBUG,
-                        filename=logfile)
     driver()
diff --git a/reports/tmp.log b/reports/tmp.log
deleted file mode 100644 (file)
index 39629a7..0000000
+++ /dev/null
@@ -1,768 +0,0 @@
-******* text after include:
------
-<h2>Introduction</h2>
-
-J'ai fait quelques essais dans différentes configurations pour la méthode "Neighbors"
-(la seule dont on a parlé).<br>Il semble que le mieux soit
-
- * simtype="exo" ou "mix" : similarités exogènes avec/sans endogènes (fenêtre optimisée par VC)
- * same_season=FALSE : les indices pour la validation croisée ne tiennent pas compte des saisons
- * mix_strategy="mult" : on multiplie les poids (au lieu d'en éteindre)
-
-J'ai systématiquement comparé à une approche naïve : la moyennes des lendemains des jours
-"similaires" dans tout le passé ; à chaque fois sans prédiction du saut (sauf pour Neighbors :
-prédiction basée sur les poids calculés).
-
-Ensuite j'affiche les erreurs, quelques courbes prévues/mesurées, quelques filaments puis les
-histogrammes de quelques poids. Concernant les graphes de filaments, la moitié gauche du graphe
-correspond aux jours similaires au jour courant, tandis que la moitié droite affiche les
-lendemains : ce sont donc les voisinages tels qu'utilisés dans l'algorithme.
-
-<%
-list_titles = ['Pollution par chauffage', 'Pollution par épandage', 'Semaine non polluée']
-list_indices = ['indices_ch', 'indices_ep', 'indices_np']
-%>
------r
-library(talweg)
-
-ts_data = read.csv(system.file("extdata","pm10_mesures_H_loc_report.csv",package="talweg"))
-exo_data = read.csv(system.file("extdata","meteo_extra_noNAs.csv",package="talweg"))
-data = getData(ts_data, exo_data, input_tz = "Europe/Paris", working_tz="Europe/Paris", predict_at=13)
-
-indices_ch = seq(as.Date("2015-01-18"),as.Date("2015-01-24"),"days")
-indices_ep = seq(as.Date("2015-03-15"),as.Date("2015-03-21"),"days")
-indices_np = seq(as.Date("2015-04-26"),as.Date("2015-05-02"),"days")
-% for i in range(3):
------
-<h2 style="color:blue;font-size:2em">${list_titles[i]}</h2>
------r
-p_nn_exo = computeForecast(data, ${list_indices[i]}, "Neighbors", "Neighbors", simtype="exo", horizon=H)
-p_nn_mix = computeForecast(data, ${list_indices[i]}, "Neighbors", "Neighbors", simtype="mix", horizon=H)
-p_az = computeForecast(data, ${list_indices[i]}, "Average", "Zero", horizon=H) #, memory=183)
-p_pz = computeForecast(data, ${list_indices[i]}, "Persistence", "Zero", horizon=H, same_day=TRUE)
------r
-e_nn_exo = computeError(data, p_nn_exo)
-e_nn_mix = computeError(data, p_nn_mix)
-e_az = computeError(data, p_az)
-e_pz = computeError(data, p_pz)
-options(repr.plot.width=9, repr.plot.height=7)
-plotError(list(e_nn_mix, e_pz, e_az, e_nn_exo), cols=c(1,2,colors()[258], 4))
-
-# Noir: neighbors_mix, bleu: neighbors_exo, vert: moyenne, rouge: persistence
-
-i_np = which.min(e_nn_exo$abs$indices)
-i_p = which.max(e_nn_exo$abs$indices)
------r
-options(repr.plot.width=9, repr.plot.height=4)
-par(mfrow=c(1,2))
-
-plotPredReal(data, p_nn_exo, i_np); title(paste("PredReal nn exo day",i_np))
-plotPredReal(data, p_nn_exo, i_p); title(paste("PredReal nn exo day",i_p))
-
-plotPredReal(data, p_nn_mix, i_np); title(paste("PredReal nn mix day",i_np))
-plotPredReal(data, p_nn_mix, i_p); title(paste("PredReal nn mix day",i_p))
-
-plotPredReal(data, p_az, i_np); title(paste("PredReal az day",i_np))
-plotPredReal(data, p_az, i_p); title(paste("PredReal az day",i_p))
-
-# Bleu: prévue, noir: réalisée
------r
-par(mfrow=c(1,2))
-f_np_exo = computeFilaments(data, p_nn_exo, i_np, plot=TRUE); title(paste("Filaments nn exo day",i_np))
-f_p_exo = computeFilaments(data, p_nn_exo, i_p, plot=TRUE); title(paste("Filaments nn exo day",i_p))
-
-f_np_mix = computeFilaments(data, p_nn_mix, i_np, plot=TRUE); title(paste("Filaments nn mix day",i_np))
-f_p_mix = computeFilaments(data, p_nn_mix, i_p, plot=TRUE); title(paste("Filaments nn mix day",i_p))
------r
-par(mfrow=c(1,2))
-plotFilamentsBox(data, f_np_exo); title(paste("FilBox nn exo day",i_np))
-plotFilamentsBox(data, f_p_exo); title(paste("FilBox nn exo day",i_p))
-
-plotFilamentsBox(data, f_np_mix); title(paste("FilBox nn mix day",i_np))
-plotFilamentsBox(data, f_p_mix); title(paste("FilBox nn mix day",i_p))
------r
-par(mfrow=c(1,2))
-plotRelVar(data, f_np_exo); title(paste("StdDev nn exo day",i_np))
-plotRelVar(data, f_p_exo); title(paste("StdDev nn exo day",i_p))
-
-plotRelVar(data, f_np_mix); title(paste("StdDev nn mix day",i_np))
-plotRelVar(data, f_p_mix); title(paste("StdDev nn mix day",i_p))
-
-# Variabilité globale en rouge ; sur les 60 voisins (+ lendemains) en noir
------r
-par(mfrow=c(1,2))
-plotSimils(p_nn_exo, i_np); title(paste("Weights nn exo day",i_np))
-plotSimils(p_nn_exo, i_p); title(paste("Weights nn exo day",i_p))
-
-plotSimils(p_nn_mix, i_np); title(paste("Weights nn mix day",i_np))
-plotSimils(p_nn_mix, i_p); title(paste("Weights nn mix day",i_p)
-
-# - pollué à gauche, + pollué à droite
------r
-# Fenêtres sélectionnées dans ]0,10] / endo à gauche, exo à droite
-p_nn_exo$getParams(i_np)$window
-p_nn_exo$getParams(i_p)$window
-
-p_nn_mix$getParams(i_np)$window
-p_nn_mix$getParams(i_p)$window
-% endfor
------
-<h2>Bilan</h2>
-
-Problème difficile : on ne fait guère mieux qu'une naïve moyenne des lendemains des jours
-similaires dans le passé, ce qui n'est pas loin de prédire une série constante égale à la
-dernière valeur observée (méthode "zéro"). La persistence donne parfois de bons résultats
-mais est trop instable (sensibilité à l'argument <code>same_day</code>).
-
-Comment améliorer la méthode ?
-******* mako_kwargs: {}
-******* text after mako:
------
-<h2>Introduction</h2>
-
-J'ai fait quelques essais dans différentes configurations pour la méthode "Neighbors"
-(la seule dont on a parlé).<br>Il semble que le mieux soit
-
- * simtype="exo" ou "mix" : similarités exogènes avec/sans endogènes (fenêtre optimisée par VC)
- * same_season=FALSE : les indices pour la validation croisée ne tiennent pas compte des saisons
- * mix_strategy="mult" : on multiplie les poids (au lieu d'en éteindre)
-
-J'ai systématiquement comparé à une approche naïve : la moyennes des lendemains des jours
-"similaires" dans tout le passé ; à chaque fois sans prédiction du saut (sauf pour Neighbors :
-prédiction basée sur les poids calculés).
-
-Ensuite j'affiche les erreurs, quelques courbes prévues/mesurées, quelques filaments puis les
-histogrammes de quelques poids. Concernant les graphes de filaments, la moitié gauche du graphe
-correspond aux jours similaires au jour courant, tandis que la moitié droite affiche les
-lendemains : ce sont donc les voisinages tels qu'utilisés dans l'algorithme.
-
-
------r
-library(talweg)
-
-ts_data = read.csv(system.file("extdata","pm10_mesures_H_loc_report.csv",package="talweg"))
-exo_data = read.csv(system.file("extdata","meteo_extra_noNAs.csv",package="talweg"))
-data = getData(ts_data, exo_data, input_tz = "Europe/Paris", working_tz="Europe/Paris", predict_at=13)
-
-indices_ch = seq(as.Date("2015-01-18"),as.Date("2015-01-24"),"days")
-indices_ep = seq(as.Date("2015-03-15"),as.Date("2015-03-21"),"days")
-indices_np = seq(as.Date("2015-04-26"),as.Date("2015-05-02"),"days")
------
-<h2 style="color:blue;font-size:2em">Pollution par chauffage</h2>
------r
-p_nn_exo = computeForecast(data, indices_ch, "Neighbors", "Neighbors", simtype="exo", horizon=H)
-p_nn_mix = computeForecast(data, indices_ch, "Neighbors", "Neighbors", simtype="mix", horizon=H)
-p_az = computeForecast(data, indices_ch, "Average", "Zero", horizon=H) #, memory=183)
-p_pz = computeForecast(data, indices_ch, "Persistence", "Zero", horizon=H, same_day=TRUE)
------r
-e_nn_exo = computeError(data, p_nn_exo)
-e_nn_mix = computeError(data, p_nn_mix)
-e_az = computeError(data, p_az)
-e_pz = computeError(data, p_pz)
-options(repr.plot.width=9, repr.plot.height=7)
-plotError(list(e_nn_mix, e_pz, e_az, e_nn_exo), cols=c(1,2,colors()[258], 4))
-
-# Noir: neighbors_mix, bleu: neighbors_exo, vert: moyenne, rouge: persistence
-
-i_np = which.min(e_nn_exo$abs$indices)
-i_p = which.max(e_nn_exo$abs$indices)
------r
-options(repr.plot.width=9, repr.plot.height=4)
-par(mfrow=c(1,2))
-
-plotPredReal(data, p_nn_exo, i_np); title(paste("PredReal nn exo day",i_np))
-plotPredReal(data, p_nn_exo, i_p); title(paste("PredReal nn exo day",i_p))
-
-plotPredReal(data, p_nn_mix, i_np); title(paste("PredReal nn mix day",i_np))
-plotPredReal(data, p_nn_mix, i_p); title(paste("PredReal nn mix day",i_p))
-
-plotPredReal(data, p_az, i_np); title(paste("PredReal az day",i_np))
-plotPredReal(data, p_az, i_p); title(paste("PredReal az day",i_p))
-
-# Bleu: prévue, noir: réalisée
------r
-par(mfrow=c(1,2))
-f_np_exo = computeFilaments(data, p_nn_exo, i_np, plot=TRUE); title(paste("Filaments nn exo day",i_np))
-f_p_exo = computeFilaments(data, p_nn_exo, i_p, plot=TRUE); title(paste("Filaments nn exo day",i_p))
-
-f_np_mix = computeFilaments(data, p_nn_mix, i_np, plot=TRUE); title(paste("Filaments nn mix day",i_np))
-f_p_mix = computeFilaments(data, p_nn_mix, i_p, plot=TRUE); title(paste("Filaments nn mix day",i_p))
------r
-par(mfrow=c(1,2))
-plotFilamentsBox(data, f_np_exo); title(paste("FilBox nn exo day",i_np))
-plotFilamentsBox(data, f_p_exo); title(paste("FilBox nn exo day",i_p))
-
-plotFilamentsBox(data, f_np_mix); title(paste("FilBox nn mix day",i_np))
-plotFilamentsBox(data, f_p_mix); title(paste("FilBox nn mix day",i_p))
------r
-par(mfrow=c(1,2))
-plotRelVar(data, f_np_exo); title(paste("StdDev nn exo day",i_np))
-plotRelVar(data, f_p_exo); title(paste("StdDev nn exo day",i_p))
-
-plotRelVar(data, f_np_mix); title(paste("StdDev nn mix day",i_np))
-plotRelVar(data, f_p_mix); title(paste("StdDev nn mix day",i_p))
-
-# Variabilité globale en rouge ; sur les 60 voisins (+ lendemains) en noir
------r
-par(mfrow=c(1,2))
-plotSimils(p_nn_exo, i_np); title(paste("Weights nn exo day",i_np))
-plotSimils(p_nn_exo, i_p); title(paste("Weights nn exo day",i_p))
-
-plotSimils(p_nn_mix, i_np); title(paste("Weights nn mix day",i_np))
-plotSimils(p_nn_mix, i_p); title(paste("Weights nn mix day",i_p)
-
-# - pollué à gauche, + pollué à droite
------r
-# Fenêtres sélectionnées dans ]0,10] / endo à gauche, exo à droite
-p_nn_exo$getParams(i_np)$window
-p_nn_exo$getParams(i_p)$window
-
-p_nn_mix$getParams(i_np)$window
-p_nn_mix$getParams(i_p)$window
------
-<h2 style="color:blue;font-size:2em">Pollution par épandage</h2>
------r
-p_nn_exo = computeForecast(data, indices_ep, "Neighbors", "Neighbors", simtype="exo", horizon=H)
-p_nn_mix = computeForecast(data, indices_ep, "Neighbors", "Neighbors", simtype="mix", horizon=H)
-p_az = computeForecast(data, indices_ep, "Average", "Zero", horizon=H) #, memory=183)
-p_pz = computeForecast(data, indices_ep, "Persistence", "Zero", horizon=H, same_day=TRUE)
------r
-e_nn_exo = computeError(data, p_nn_exo)
-e_nn_mix = computeError(data, p_nn_mix)
-e_az = computeError(data, p_az)
-e_pz = computeError(data, p_pz)
-options(repr.plot.width=9, repr.plot.height=7)
-plotError(list(e_nn_mix, e_pz, e_az, e_nn_exo), cols=c(1,2,colors()[258], 4))
-
-# Noir: neighbors_mix, bleu: neighbors_exo, vert: moyenne, rouge: persistence
-
-i_np = which.min(e_nn_exo$abs$indices)
-i_p = which.max(e_nn_exo$abs$indices)
------r
-options(repr.plot.width=9, repr.plot.height=4)
-par(mfrow=c(1,2))
-
-plotPredReal(data, p_nn_exo, i_np); title(paste("PredReal nn exo day",i_np))
-plotPredReal(data, p_nn_exo, i_p); title(paste("PredReal nn exo day",i_p))
-
-plotPredReal(data, p_nn_mix, i_np); title(paste("PredReal nn mix day",i_np))
-plotPredReal(data, p_nn_mix, i_p); title(paste("PredReal nn mix day",i_p))
-
-plotPredReal(data, p_az, i_np); title(paste("PredReal az day",i_np))
-plotPredReal(data, p_az, i_p); title(paste("PredReal az day",i_p))
-
-# Bleu: prévue, noir: réalisée
------r
-par(mfrow=c(1,2))
-f_np_exo = computeFilaments(data, p_nn_exo, i_np, plot=TRUE); title(paste("Filaments nn exo day",i_np))
-f_p_exo = computeFilaments(data, p_nn_exo, i_p, plot=TRUE); title(paste("Filaments nn exo day",i_p))
-
-f_np_mix = computeFilaments(data, p_nn_mix, i_np, plot=TRUE); title(paste("Filaments nn mix day",i_np))
-f_p_mix = computeFilaments(data, p_nn_mix, i_p, plot=TRUE); title(paste("Filaments nn mix day",i_p))
------r
-par(mfrow=c(1,2))
-plotFilamentsBox(data, f_np_exo); title(paste("FilBox nn exo day",i_np))
-plotFilamentsBox(data, f_p_exo); title(paste("FilBox nn exo day",i_p))
-
-plotFilamentsBox(data, f_np_mix); title(paste("FilBox nn mix day",i_np))
-plotFilamentsBox(data, f_p_mix); title(paste("FilBox nn mix day",i_p))
------r
-par(mfrow=c(1,2))
-plotRelVar(data, f_np_exo); title(paste("StdDev nn exo day",i_np))
-plotRelVar(data, f_p_exo); title(paste("StdDev nn exo day",i_p))
-
-plotRelVar(data, f_np_mix); title(paste("StdDev nn mix day",i_np))
-plotRelVar(data, f_p_mix); title(paste("StdDev nn mix day",i_p))
-
-# Variabilité globale en rouge ; sur les 60 voisins (+ lendemains) en noir
------r
-par(mfrow=c(1,2))
-plotSimils(p_nn_exo, i_np); title(paste("Weights nn exo day",i_np))
-plotSimils(p_nn_exo, i_p); title(paste("Weights nn exo day",i_p))
-
-plotSimils(p_nn_mix, i_np); title(paste("Weights nn mix day",i_np))
-plotSimils(p_nn_mix, i_p); title(paste("Weights nn mix day",i_p)
-
-# - pollué à gauche, + pollué à droite
------r
-# Fenêtres sélectionnées dans ]0,10] / endo à gauche, exo à droite
-p_nn_exo$getParams(i_np)$window
-p_nn_exo$getParams(i_p)$window
-
-p_nn_mix$getParams(i_np)$window
-p_nn_mix$getParams(i_p)$window
------
-<h2 style="color:blue;font-size:2em">Semaine non polluée</h2>
------r
-p_nn_exo = computeForecast(data, indices_np, "Neighbors", "Neighbors", simtype="exo", horizon=H)
-p_nn_mix = computeForecast(data, indices_np, "Neighbors", "Neighbors", simtype="mix", horizon=H)
-p_az = computeForecast(data, indices_np, "Average", "Zero", horizon=H) #, memory=183)
-p_pz = computeForecast(data, indices_np, "Persistence", "Zero", horizon=H, same_day=TRUE)
------r
-e_nn_exo = computeError(data, p_nn_exo)
-e_nn_mix = computeError(data, p_nn_mix)
-e_az = computeError(data, p_az)
-e_pz = computeError(data, p_pz)
-options(repr.plot.width=9, repr.plot.height=7)
-plotError(list(e_nn_mix, e_pz, e_az, e_nn_exo), cols=c(1,2,colors()[258], 4))
-
-# Noir: neighbors_mix, bleu: neighbors_exo, vert: moyenne, rouge: persistence
-
-i_np = which.min(e_nn_exo$abs$indices)
-i_p = which.max(e_nn_exo$abs$indices)
------r
-options(repr.plot.width=9, repr.plot.height=4)
-par(mfrow=c(1,2))
-
-plotPredReal(data, p_nn_exo, i_np); title(paste("PredReal nn exo day",i_np))
-plotPredReal(data, p_nn_exo, i_p); title(paste("PredReal nn exo day",i_p))
-
-plotPredReal(data, p_nn_mix, i_np); title(paste("PredReal nn mix day",i_np))
-plotPredReal(data, p_nn_mix, i_p); title(paste("PredReal nn mix day",i_p))
-
-plotPredReal(data, p_az, i_np); title(paste("PredReal az day",i_np))
-plotPredReal(data, p_az, i_p); title(paste("PredReal az day",i_p))
-
-# Bleu: prévue, noir: réalisée
------r
-par(mfrow=c(1,2))
-f_np_exo = computeFilaments(data, p_nn_exo, i_np, plot=TRUE); title(paste("Filaments nn exo day",i_np))
-f_p_exo = computeFilaments(data, p_nn_exo, i_p, plot=TRUE); title(paste("Filaments nn exo day",i_p))
-
-f_np_mix = computeFilaments(data, p_nn_mix, i_np, plot=TRUE); title(paste("Filaments nn mix day",i_np))
-f_p_mix = computeFilaments(data, p_nn_mix, i_p, plot=TRUE); title(paste("Filaments nn mix day",i_p))
------r
-par(mfrow=c(1,2))
-plotFilamentsBox(data, f_np_exo); title(paste("FilBox nn exo day",i_np))
-plotFilamentsBox(data, f_p_exo); title(paste("FilBox nn exo day",i_p))
-
-plotFilamentsBox(data, f_np_mix); title(paste("FilBox nn mix day",i_np))
-plotFilamentsBox(data, f_p_mix); title(paste("FilBox nn mix day",i_p))
------r
-par(mfrow=c(1,2))
-plotRelVar(data, f_np_exo); title(paste("StdDev nn exo day",i_np))
-plotRelVar(data, f_p_exo); title(paste("StdDev nn exo day",i_p))
-
-plotRelVar(data, f_np_mix); title(paste("StdDev nn mix day",i_np))
-plotRelVar(data, f_p_mix); title(paste("StdDev nn mix day",i_p))
-
-# Variabilité globale en rouge ; sur les 60 voisins (+ lendemains) en noir
------r
-par(mfrow=c(1,2))
-plotSimils(p_nn_exo, i_np); title(paste("Weights nn exo day",i_np))
-plotSimils(p_nn_exo, i_p); title(paste("Weights nn exo day",i_p))
-
-plotSimils(p_nn_mix, i_np); title(paste("Weights nn mix day",i_np))
-plotSimils(p_nn_mix, i_p); title(paste("Weights nn mix day",i_p)
-
-# - pollué à gauche, + pollué à droite
------r
-# Fenêtres sélectionnées dans ]0,10] / endo à gauche, exo à droite
-p_nn_exo$getParams(i_np)$window
-p_nn_exo$getParams(i_p)$window
-
-p_nn_mix$getParams(i_np)$window
-p_nn_mix$getParams(i_p)$window
------
-<h2>Bilan</h2>
-
-Problème difficile : on ne fait guère mieux qu'une naïve moyenne des lendemains des jours
-similaires dans le passé, ce qui n'est pas loin de prédire une série constante égale à la
-dernière valeur observée (méthode "zéro"). La persistence donne parfois de bons résultats
-mais est trop instable (sensibilité à l'argument <code>same_day</code>).
-
-Comment améliorer la méthode ?
-******* cell: markdown
-******* found shortname r
-******* cell: astext=False shortname=r
-******* cell: markdown
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* cell: markdown
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* cell: markdown
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* found shortname r
-******* cell: astext=False shortname=r
-******* cell: markdown
-******* cell data structure:\b[['markdown',
-  'text',
-  '\n'
-  '\n'
-  '<h2>Introduction</h2>\n'
-  '\n'
-  "J'ai fait quelques essais dans différentes configurations pour la méthode "
-  '"Neighbors"\n'
-  '(la seule dont on a parlé).<br>Il semble que le mieux soit\n'
-  '\n'
-  ' * simtype="exo" ou "mix" : similarités exogènes avec/sans endogènes '
-  '(fenêtre optimisée par VC)\n'
-  ' * same_season=FALSE : les indices pour la validation croisée ne tiennent '
-  'pas compte des saisons\n'
-  ' * mix_strategy="mult" : on multiplie les poids (au lieu d\'en éteindre)\n'
-  '\n'
-  "J'ai systématiquement comparé à une approche naïve : la moyennes des "
-  'lendemains des jours\n'
-  '"similaires" dans tout le passé ; à chaque fois sans prédiction du saut '
-  '(sauf pour Neighbors :\n'
-  'prédiction basée sur les poids calculés).\n'
-  '\n'
-  "Ensuite j'affiche les erreurs, quelques courbes prévues/mesurées, quelques "
-  'filaments puis les\n'
-  'histogrammes de quelques poids. Concernant les graphes de filaments, la '
-  'moitié gauche du graphe\n'
-  'correspond aux jours similaires au jour courant, tandis que la moitié '
-  'droite affiche les\n'
-  "lendemains : ce sont donc les voisinages tels qu'utilisés dans "
-  "l'algorithme.\n"
-  '\n'],
- ['codecell',
-  'R',
-  'library(talweg)\n'
-  '\n'
-  'ts_data = '
-  'read.csv(system.file("extdata","pm10_mesures_H_loc_report.csv",package="talweg"))\n'
-  'exo_data = '
-  'read.csv(system.file("extdata","meteo_extra_noNAs.csv",package="talweg"))\n'
-  'data = getData(ts_data, exo_data, input_tz = "Europe/Paris", '
-  'working_tz="Europe/Paris", predict_at=13)\n'
-  '\n'
-  'indices_ch = seq(as.Date("2015-01-18"),as.Date("2015-01-24"),"days")\n'
-  'indices_ep = seq(as.Date("2015-03-15"),as.Date("2015-03-21"),"days")\n'
-  'indices_np = seq(as.Date("2015-04-26"),as.Date("2015-05-02"),"days")'],
- ['markdown',
-  'text',
-  '\n\n<h2 style="color:blue;font-size:2em">Pollution par chauffage</h2>'],
- ['codecell',
-  'R',
-  'p_nn_exo = computeForecast(data, indices_ch, "Neighbors", "Neighbors", '
-  'simtype="exo", horizon=H)\n'
-  'p_nn_mix = computeForecast(data, indices_ch, "Neighbors", "Neighbors", '
-  'simtype="mix", horizon=H)\n'
-  'p_az = computeForecast(data, indices_ch, "Average", "Zero", horizon=H) #, '
-  'memory=183)\n'
-  'p_pz = computeForecast(data, indices_ch, "Persistence", "Zero", horizon=H, '
-  'same_day=TRUE)'],
- ['codecell',
-  'R',
-  'e_nn_exo = computeError(data, p_nn_exo)\n'
-  'e_nn_mix = computeError(data, p_nn_mix)\n'
-  'e_az = computeError(data, p_az)\n'
-  'e_pz = computeError(data, p_pz)\n'
-  'options(repr.plot.width=9, repr.plot.height=7)\n'
-  'plotError(list(e_nn_mix, e_pz, e_az, e_nn_exo), cols=c(1,2,colors()[258], '
-  '4))\n'
-  '\n'
-  '# Noir: neighbors_mix, bleu: neighbors_exo, vert: moyenne, rouge: '
-  'persistence\n'
-  '\n'
-  'i_np = which.min(e_nn_exo$abs$indices)\n'
-  'i_p = which.max(e_nn_exo$abs$indices)'],
- ['codecell',
-  'R',
-  'options(repr.plot.width=9, repr.plot.height=4)\n'
-  'par(mfrow=c(1,2))\n'
-  '\n'
-  'plotPredReal(data, p_nn_exo, i_np); title(paste("PredReal nn exo '
-  'day",i_np))\n'
-  'plotPredReal(data, p_nn_exo, i_p); title(paste("PredReal nn exo day",i_p))\n'
-  '\n'
-  'plotPredReal(data, p_nn_mix, i_np); title(paste("PredReal nn mix '
-  'day",i_np))\n'
-  'plotPredReal(data, p_nn_mix, i_p); title(paste("PredReal nn mix day",i_p))\n'
-  '\n'
-  'plotPredReal(data, p_az, i_np); title(paste("PredReal az day",i_np))\n'
-  'plotPredReal(data, p_az, i_p); title(paste("PredReal az day",i_p))\n'
-  '\n'
-  '# Bleu: prévue, noir: réalisée'],
- ['codecell',
-  'R',
-  'par(mfrow=c(1,2))\n'
-  'f_np_exo = computeFilaments(data, p_nn_exo, i_np, plot=TRUE); '
-  'title(paste("Filaments nn exo day",i_np))\n'
-  'f_p_exo = computeFilaments(data, p_nn_exo, i_p, plot=TRUE); '
-  'title(paste("Filaments nn exo day",i_p))\n'
-  '\n'
-  'f_np_mix = computeFilaments(data, p_nn_mix, i_np, plot=TRUE); '
-  'title(paste("Filaments nn mix day",i_np))\n'
-  'f_p_mix = computeFilaments(data, p_nn_mix, i_p, plot=TRUE); '
-  'title(paste("Filaments nn mix day",i_p))'],
- ['codecell',
-  'R',
-  'par(mfrow=c(1,2))\n'
-  'plotFilamentsBox(data, f_np_exo); title(paste("FilBox nn exo day",i_np))\n'
-  'plotFilamentsBox(data, f_p_exo); title(paste("FilBox nn exo day",i_p))\n'
-  '\n'
-  'plotFilamentsBox(data, f_np_mix); title(paste("FilBox nn mix day",i_np))\n'
-  'plotFilamentsBox(data, f_p_mix); title(paste("FilBox nn mix day",i_p))'],
- ['codecell',
-  'R',
-  'par(mfrow=c(1,2))\n'
-  'plotRelVar(data, f_np_exo); title(paste("StdDev nn exo day",i_np))\n'
-  'plotRelVar(data, f_p_exo); title(paste("StdDev nn exo day",i_p))\n'
-  '\n'
-  'plotRelVar(data, f_np_mix); title(paste("StdDev nn mix day",i_np))\n'
-  'plotRelVar(data, f_p_mix); title(paste("StdDev nn mix day",i_p))\n'
-  '\n'
-  '# Variabilité globale en rouge ; sur les 60 voisins (+ lendemains) en noir'],
- ['codecell',
-  'R',
-  'par(mfrow=c(1,2))\n'
-  'plotSimils(p_nn_exo, i_np); title(paste("Weights nn exo day",i_np))\n'
-  'plotSimils(p_nn_exo, i_p); title(paste("Weights nn exo day",i_p))\n'
-  '\n'
-  'plotSimils(p_nn_mix, i_np); title(paste("Weights nn mix day",i_np))\n'
-  'plotSimils(p_nn_mix, i_p); title(paste("Weights nn mix day",i_p)\n'
-  '\n'
-  '# - pollué à gauche, + pollué à droite'],
- ['codecell',
-  'R',
-  '# Fenêtres sélectionnées dans ]0,10] / endo à gauche, exo à droite\n'
-  'p_nn_exo$getParams(i_np)$window\n'
-  'p_nn_exo$getParams(i_p)$window\n'
-  '\n'
-  'p_nn_mix$getParams(i_np)$window\n'
-  'p_nn_mix$getParams(i_p)$window'],
- ['markdown',
-  'text',
-  '\n\n<h2 style="color:blue;font-size:2em">Pollution par épandage</h2>'],
- ['codecell',
-  'R',
-  'p_nn_exo = computeForecast(data, indices_ep, "Neighbors", "Neighbors", '
-  'simtype="exo", horizon=H)\n'
-  'p_nn_mix = computeForecast(data, indices_ep, "Neighbors", "Neighbors", '
-  'simtype="mix", horizon=H)\n'
-  'p_az = computeForecast(data, indices_ep, "Average", "Zero", horizon=H) #, '
-  'memory=183)\n'
-  'p_pz = computeForecast(data, indices_ep, "Persistence", "Zero", horizon=H, '
-  'same_day=TRUE)'],
- ['codecell',
-  'R',
-  'e_nn_exo = computeError(data, p_nn_exo)\n'
-  'e_nn_mix = computeError(data, p_nn_mix)\n'
-  'e_az = computeError(data, p_az)\n'
-  'e_pz = computeError(data, p_pz)\n'
-  'options(repr.plot.width=9, repr.plot.height=7)\n'
-  'plotError(list(e_nn_mix, e_pz, e_az, e_nn_exo), cols=c(1,2,colors()[258], '
-  '4))\n'
-  '\n'
-  '# Noir: neighbors_mix, bleu: neighbors_exo, vert: moyenne, rouge: '
-  'persistence\n'
-  '\n'
-  'i_np = which.min(e_nn_exo$abs$indices)\n'
-  'i_p = which.max(e_nn_exo$abs$indices)'],
- ['codecell',
-  'R',
-  'options(repr.plot.width=9, repr.plot.height=4)\n'
-  'par(mfrow=c(1,2))\n'
-  '\n'
-  'plotPredReal(data, p_nn_exo, i_np); title(paste("PredReal nn exo '
-  'day",i_np))\n'
-  'plotPredReal(data, p_nn_exo, i_p); title(paste("PredReal nn exo day",i_p))\n'
-  '\n'
-  'plotPredReal(data, p_nn_mix, i_np); title(paste("PredReal nn mix '
-  'day",i_np))\n'
-  'plotPredReal(data, p_nn_mix, i_p); title(paste("PredReal nn mix day",i_p))\n'
-  '\n'
-  'plotPredReal(data, p_az, i_np); title(paste("PredReal az day",i_np))\n'
-  'plotPredReal(data, p_az, i_p); title(paste("PredReal az day",i_p))\n'
-  '\n'
-  '# Bleu: prévue, noir: réalisée'],
- ['codecell',
-  'R',
-  'par(mfrow=c(1,2))\n'
-  'f_np_exo = computeFilaments(data, p_nn_exo, i_np, plot=TRUE); '
-  'title(paste("Filaments nn exo day",i_np))\n'
-  'f_p_exo = computeFilaments(data, p_nn_exo, i_p, plot=TRUE); '
-  'title(paste("Filaments nn exo day",i_p))\n'
-  '\n'
-  'f_np_mix = computeFilaments(data, p_nn_mix, i_np, plot=TRUE); '
-  'title(paste("Filaments nn mix day",i_np))\n'
-  'f_p_mix = computeFilaments(data, p_nn_mix, i_p, plot=TRUE); '
-  'title(paste("Filaments nn mix day",i_p))'],
- ['codecell',
-  'R',
-  'par(mfrow=c(1,2))\n'
-  'plotFilamentsBox(data, f_np_exo); title(paste("FilBox nn exo day",i_np))\n'
-  'plotFilamentsBox(data, f_p_exo); title(paste("FilBox nn exo day",i_p))\n'
-  '\n'
-  'plotFilamentsBox(data, f_np_mix); title(paste("FilBox nn mix day",i_np))\n'
-  'plotFilamentsBox(data, f_p_mix); title(paste("FilBox nn mix day",i_p))'],
- ['codecell',
-  'R',
-  'par(mfrow=c(1,2))\n'
-  'plotRelVar(data, f_np_exo); title(paste("StdDev nn exo day",i_np))\n'
-  'plotRelVar(data, f_p_exo); title(paste("StdDev nn exo day",i_p))\n'
-  '\n'
-  'plotRelVar(data, f_np_mix); title(paste("StdDev nn mix day",i_np))\n'
-  'plotRelVar(data, f_p_mix); title(paste("StdDev nn mix day",i_p))\n'
-  '\n'
-  '# Variabilité globale en rouge ; sur les 60 voisins (+ lendemains) en noir'],
- ['codecell',
-  'R',
-  'par(mfrow=c(1,2))\n'
-  'plotSimils(p_nn_exo, i_np); title(paste("Weights nn exo day",i_np))\n'
-  'plotSimils(p_nn_exo, i_p); title(paste("Weights nn exo day",i_p))\n'
-  '\n'
-  'plotSimils(p_nn_mix, i_np); title(paste("Weights nn mix day",i_np))\n'
-  'plotSimils(p_nn_mix, i_p); title(paste("Weights nn mix day",i_p)\n'
-  '\n'
-  '# - pollué à gauche, + pollué à droite'],
- ['codecell',
-  'R',
-  '# Fenêtres sélectionnées dans ]0,10] / endo à gauche, exo à droite\n'
-  'p_nn_exo$getParams(i_np)$window\n'
-  'p_nn_exo$getParams(i_p)$window\n'
-  '\n'
-  'p_nn_mix$getParams(i_np)$window\n'
-  'p_nn_mix$getParams(i_p)$window'],
- ['markdown',
-  'text',
-  '\n\n<h2 style="color:blue;font-size:2em">Semaine non polluée</h2>'],
- ['codecell',
-  'R',
-  'p_nn_exo = computeForecast(data, indices_np, "Neighbors", "Neighbors", '
-  'simtype="exo", horizon=H)\n'
-  'p_nn_mix = computeForecast(data, indices_np, "Neighbors", "Neighbors", '
-  'simtype="mix", horizon=H)\n'
-  'p_az = computeForecast(data, indices_np, "Average", "Zero", horizon=H) #, '
-  'memory=183)\n'
-  'p_pz = computeForecast(data, indices_np, "Persistence", "Zero", horizon=H, '
-  'same_day=TRUE)'],
- ['codecell',
-  'R',
-  'e_nn_exo = computeError(data, p_nn_exo)\n'
-  'e_nn_mix = computeError(data, p_nn_mix)\n'
-  'e_az = computeError(data, p_az)\n'
-  'e_pz = computeError(data, p_pz)\n'
-  'options(repr.plot.width=9, repr.plot.height=7)\n'
-  'plotError(list(e_nn_mix, e_pz, e_az, e_nn_exo), cols=c(1,2,colors()[258], '
-  '4))\n'
-  '\n'
-  '# Noir: neighbors_mix, bleu: neighbors_exo, vert: moyenne, rouge: '
-  'persistence\n'
-  '\n'
-  'i_np = which.min(e_nn_exo$abs$indices)\n'
-  'i_p = which.max(e_nn_exo$abs$indices)'],
- ['codecell',
-  'R',
-  'options(repr.plot.width=9, repr.plot.height=4)\n'
-  'par(mfrow=c(1,2))\n'
-  '\n'
-  'plotPredReal(data, p_nn_exo, i_np); title(paste("PredReal nn exo '
-  'day",i_np))\n'
-  'plotPredReal(data, p_nn_exo, i_p); title(paste("PredReal nn exo day",i_p))\n'
-  '\n'
-  'plotPredReal(data, p_nn_mix, i_np); title(paste("PredReal nn mix '
-  'day",i_np))\n'
-  'plotPredReal(data, p_nn_mix, i_p); title(paste("PredReal nn mix day",i_p))\n'
-  '\n'
-  'plotPredReal(data, p_az, i_np); title(paste("PredReal az day",i_np))\n'
-  'plotPredReal(data, p_az, i_p); title(paste("PredReal az day",i_p))\n'
-  '\n'
-  '# Bleu: prévue, noir: réalisée'],
- ['codecell',
-  'R',
-  'par(mfrow=c(1,2))\n'
-  'f_np_exo = computeFilaments(data, p_nn_exo, i_np, plot=TRUE); '
-  'title(paste("Filaments nn exo day",i_np))\n'
-  'f_p_exo = computeFilaments(data, p_nn_exo, i_p, plot=TRUE); '
-  'title(paste("Filaments nn exo day",i_p))\n'
-  '\n'
-  'f_np_mix = computeFilaments(data, p_nn_mix, i_np, plot=TRUE); '
-  'title(paste("Filaments nn mix day",i_np))\n'
-  'f_p_mix = computeFilaments(data, p_nn_mix, i_p, plot=TRUE); '
-  'title(paste("Filaments nn mix day",i_p))'],
- ['codecell',
-  'R',
-  'par(mfrow=c(1,2))\n'
-  'plotFilamentsBox(data, f_np_exo); title(paste("FilBox nn exo day",i_np))\n'
-  'plotFilamentsBox(data, f_p_exo); title(paste("FilBox nn exo day",i_p))\n'
-  '\n'
-  'plotFilamentsBox(data, f_np_mix); title(paste("FilBox nn mix day",i_np))\n'
-  'plotFilamentsBox(data, f_p_mix); title(paste("FilBox nn mix day",i_p))'],
- ['codecell',
-  'R',
-  'par(mfrow=c(1,2))\n'
-  'plotRelVar(data, f_np_exo); title(paste("StdDev nn exo day",i_np))\n'
-  'plotRelVar(data, f_p_exo); title(paste("StdDev nn exo day",i_p))\n'
-  '\n'
-  'plotRelVar(data, f_np_mix); title(paste("StdDev nn mix day",i_np))\n'
-  'plotRelVar(data, f_p_mix); title(paste("StdDev nn mix day",i_p))\n'
-  '\n'
-  '# Variabilité globale en rouge ; sur les 60 voisins (+ lendemains) en noir'],
- ['codecell',
-  'R',
-  'par(mfrow=c(1,2))\n'
-  'plotSimils(p_nn_exo, i_np); title(paste("Weights nn exo day",i_np))\n'
-  'plotSimils(p_nn_exo, i_p); title(paste("Weights nn exo day",i_p))\n'
-  '\n'
-  'plotSimils(p_nn_mix, i_np); title(paste("Weights nn mix day",i_np))\n'
-  'plotSimils(p_nn_mix, i_p); title(paste("Weights nn mix day",i_p)\n'
-  '\n'
-  '# - pollué à gauche, + pollué à droite'],
- ['codecell',
-  'R',
-  '# Fenêtres sélectionnées dans ]0,10] / endo à gauche, exo à droite\n'
-  'p_nn_exo$getParams(i_np)$window\n'
-  'p_nn_exo$getParams(i_p)$window\n'
-  '\n'
-  'p_nn_mix$getParams(i_np)$window\n'
-  'p_nn_mix$getParams(i_p)$window'],
- ['markdown',
-  'text',
-  '\n'
-  '\n'
-  '<h2>Bilan</h2>\n'
-  '\n'
-  "Problème difficile : on ne fait guère mieux qu'une naïve moyenne des "
-  'lendemains des jours\n'
-  "similaires dans le passé, ce qui n'est pas loin de prédire une série "
-  'constante égale à la\n'
-  'dernière valeur observée (méthode "zéro"). La persistence donne parfois de '
-  'bons résultats\n'
-  "mais est trop instable (sensibilité à l'argument <code>same_day</code>).\n"
-  '\n'
-  'Comment améliorer la méthode ?']]