TODO

   1 simulateur : complètement aléatoire ? from Irish dataset ?
   2 wmtsa : wavBootstrap
   3 wavelets methods in statistics with R - p180
   4
   5 Essayer distance wdist du package biwavelet ?
   6
   7 geometric structure of high dim data and dim reduction 2011
   8
   9 https://docs.docker.com/engine/getstarted/step_one/
  10
  11 A faire:
  12  - finir les experiences (sur nb de classes, nb de curves / chunk, nb de procs)
  13    et sur d'autres architectures
  14
  15 Piste à explorer pour les comparaisons: H20
  16
  17 renvoyer nombre d'individues par classe ? (+ somme ?)
  18 hypothèse : données déjà ordonnées 48 1/2H sur 365j
  19 utiliser du mixmod avec modèles allongés
  20 doit tourner sur machine plutôt standard, utilisateur "lambda"
  21 utiliser Rcpp ?
  22
  23 #point avec Jairo:
  24 #rentrer dans code C cwt continue Rwave
  25 #passer partie sowas à C
  26 #fct qui pour deux series (ID, medoides) renvoie distance WER (Rwave ou à moi)
  27 #transformee croisee , smoothing lissage 3 composantes , + calcul pour WER
  28 #determiner nvoice noctave (entre octave + petit et + grand)
  29
  30 #TODO: load some dataset ASCII CSV
  31 #data_bin_file <<- "/tmp/epclust_test.bin"
  32 #unlink(data_bin_file)
  33
  34 #https://stat.ethz.ch/pipermail/r-help/2011-June/280133.html
  35 #randCov = function(d)
  36 #{
  37 #   x <- matrix(rnorm(d*d), nrow=d)
  38 #   x <- x / sqrt(rowSums(x^2))
  39 #   x %*% t(x)
  40 #}
  41
  42 #TODO: soften condition clustering.R line 37 ?
  43 #regarder mapply et mcmapply pour le // (pas OK pour Windows ou GUI... mais ?)
  44 #TODO: map-reduce more appropriate R/clustering.R ligne 88
  45 #Alternative: use bigmemory to share series when CSV or matrix(...)
  46
  47 #' @importFrom synchronicity boost.mutex lock unlock
  48
  49 subtree: epclust, shared. This root folder should remain private
  50
  51 #TODO: use dbs(),
  52         #https://www.r-bloggers.com/debugging-parallel-code-with-dbs/
  53         #http://gforge.se/2015/02/how-to-go-parallel-in-r-basics-tips/
  54
  55 synchrones --> somme, pas moyenne
  56
  57 PLOT:
  58 plot manifold 2D distances WER /
  59 fenetre tempo forme des courbes /
  60 medoids /
  61 gain en prevision: clust puis full --> enercast
  62
  63 réduire taille 17519 trop long ?
  64
  65 synchrone : sum
  66 cwt : trim R part
  67 // : clever by rows retenir cwt...
  68
  69 Stockage matrices : en colonnes systématiquement ?
  70
  71 TODO: revoir les arguments, simplifier (dans les clustering...),
  72   permettre algos de clustering quelconques, args: medoids (curves puis dists), K
  73
  74 Plutôt ça que hack auto notebook generation:
  75     https://mail.scipy.org/pipermail/ipython-dev/2014-March/013550.html