====== Réunion du 26.07.2022 ======

**Participants :** [[groupe-dfo-bbo:acteurs:intern:victoire-pedascoll:main-page|Victoire Houyau Pedascoll]] et [[groupe-dfo-bbo:acteurs:students:doc:dounia-lakhmiri:main-page|Dounia Lakhmiri]]

**Descriptif :** Classificateur real-time pour décider l'activation de VNS

**Ordre du jour :** 
  - Données : 
            * Trouver un maximum de features cohérentes (nombre d'échecs successifs, mesh index, mesh size, succès, etc.), le label est l'activation ou non de VNS.
            * Synchroniser les données par ligne --> faire attention à ce que l'information du succès ou de l'échec soit associé à la bonne mégaitération
            * Formatage de données à uniformiser pour qu'il se généralise à tous les problèmes : on ne peut pas gérer un mesh index par variable parce que c'est dépendant de la dimension --> utiliser la moyenne et/ou variance ?
  - Entraînement :
            * Entraînement sur des données post optimisation pour créer un model en sélectionnant sur les mégaitérations (=ligne) avec succès. 
            * Model sur un maximum de données standardisées (non problem-dependent) --> utilisation du Runner serait bien 
            * K-split cross-validation pour éviter l'overfitting --> à trouver dans sklearn
  - Gestion dans NOMAD :
            * Analyse par traitement de fichiers externes : récupération des données dans un fichier texte (ou csv pour l'instant)
            * Prédiction à partir du model déjà entraîné : python ? fichier texte avec les poids ? 
  - Pour le futur :
            * Création d'un model par classe de problème (constrained/unconstrained, smooth/unsmooth, noise, etc.)
            * Ajustement des poids en real-time quand assez de mégaitération : stopper run nomad et rentraîner le model

~~DISCUSSION|Commentaires~~