07:33 <alain_afpy:#afpy> ERROR www(2) timed out
07:36 <alain_afpy:#afpy> INFO www fixed
08:48 <foxmask:#afpy> bonjello
12:29 <afpy_user|32920:#afpy> bjr
12:36 <afpy_user|32920:#afpy> y'a qln..j'ai une à deux questions
12:39 <feth:#afpy> bonjour
13:05 <mike_perdide:#afpy> afpy_user|32920: don't ask to ask ;)
14:04 <No`:#afpy> salut l'afpy
14:28 <afpy_user|32920:#afpy> re
14:28 <afpy_user|32920:#afpy> dsl j étais pas là
14:28 <afpy_user|32920:#afpy> la voilà ma question
14:29 <afpy_user|32920:#afpy> je veux simuler un processus markovien ( chaine de Markov) ou bien un processus de mort et de naissance et je ne sais si il y a déjà qln qui a fait ça
14:30 <glyg:#afpy> salut
14:30 <feth:#afpy> y a gavé de gens qui ont fait ça :)
14:30 <feth:#afpy> des étudiants notamment ;)
14:30 <cyp:#afpy> afpy_user|32920: ça http://scikit-learn.org/stable/modules/hmm.html ?
14:31 <afpy_user|32920:#afpy> je vais regarder
14:31 <afpy_user|32920:#afpy> merci bcp
14:31 <glyg:#afpy> tu peux regarder aussi numpy.random
14:31 <afpy_user|32920:#afpy> pour expliquer un peu
14:31 <glyg:#afpy> le lien au dessus c'est un modèle de markov caché
14:31 <glyg:#afpy> c'est peut être pas ce que tu cherches
14:32 <afpy_user|32920:#afpy> supposons qu on est devant une chaine de markov dans les états sont le nombre de personnes présentent dans le système..mon but c'est de la distribution de ces gens durant le temps
14:33 <grenoya:#afpy> afpy_user|32920: mais scikit-learn a son propre chan irc, ils sauront surement t'aider là
14:33 <afpy_user|32920:#afpy> dacc
14:33 <afpy_user|32920:#afpy> thanks
14:33 <afpy_user|32920:#afpy> (y)
14:33 <grenoya:#afpy> #scikit-learn
14:43 <afpy_user|32920:#afpy> malheureusement je ne trouve pas ce que je cherche
15:05 <grenoya:#afpy> afpy_user|32920: tu devrais leur poser ton problem
15:05 <afpy_user|32920:#afpy> d'accord
15:05 <afpy_user|32920:#afpy> merci
15:06 <glyg:#afpy> tu veux simuler le problème ou trouver les paramètres de la chaîne de markov (taux de départ, taux d'arrivée)?
15:06 <glyg:#afpy> sklearn va te permettre de retrouver les paramètres à partir des données
15:06 <glyg:#afpy> si tu veux simuler, utilise le génréateur de nombres aléatoires de numpy
15:06 <afpy_user|32920:#afpy> da'ccord je vais essayer
15:06 <afpy_user|32920:#afpy> merci
15:08 <glyg:#afpy> on peut utiliser cette méthode pour simuler une chaîne markov:
15:08 <glyg:#afpy> http://fr.wikipedia.org/wiki/%C3%89chantillonnage_de_Gibbs