# Siyuan ou obsidian
* Facilite de sauvegarde : juste dossier avec json ou procédure de sync ?
* in-line math
* vim mode ?
* qualité import obsidian (tags)
* qualité export markdown : il faut activer une option pour avoir les liens
comparaison avec obsidian
* Obsidian : markdown simple (editable e ligne), supporte mermaid
* siyuan: formatting, appli, insertion image
comparison helix
* Markdown preview https://www.reddit.com/r/HelixEditor/s/hRbs9rIb0V
* faisable avec zk-org/zk pour gestion zettelksten

# Elements of statistical learning 
# Introduction
exemple problème supervisé
* Spam : certains mots sont plus fréquents dans les mails classifiés spam
* PSA en fonction du poids de la prostate, Gleason etc : scatterplot mais non évident (données 1989)
* Reconnaissances chiffres sur image 16x16 bits normalisés
DNA microarray : pour une liste de gènes, on regarde la quantité d'ARN qui s'hybride par rapport à un échantillon vs une référence (par fluorescence, l'un est rouge l'autre vert). Avec plusieurs échantillons, on a donc une matrice. Quels gènes sont prédictifs -> aprentissage non supervisé
2. ## Overview of supervised learning
K-nearest neighbors  : pas d'hypothèse sur la distribution ("low bias") mais variabilité importante ("high variance").  
Moindres carrés : suppose que ce soit adapté ("high bias") mais stable ("low variance")

exemple problème supervisé
* Spam : certains mots sont plus fréquents dans les mails classifiés spam
* PSA en fonction du poids de la prostate, Gleason etc : scatterplot mais non évident (données 1989)
* Reconnaissances chiffres sur image 16x16 bits normalisés
DNA microarray : pour une liste de gènes, on regarde la quantité d'ARN qui s'hybride par rapport à un échantillon vs une référence (par fluorescence, l'un est rouge l'autre vert). Avec plusieurs échantillons, on a donc une matrice. Quels gènes sont prédictifs -> aprentissage non supervisé
2. ## Overview of supervised learning
K-nearest neighbors  : pas d'hypothèse sur la distribution ("low bias") mais variabilité importante ("high variance").  
Moindres carrés : suppose que ce soit adapté ("high bias") mais stable ("low variance")

## Logseq, obsidien, siyuan ou simple éditeur pour "second brain "
Conclusion : obsidian marche bien, on reste dessus. À compléter par siyuan si besoin
Obsidian : avantages
- fonctionne avec du markdown simple
- mode vim
- mermaid
Logseq : testé rapidement
- liens par bloc plutôt que fichier
Siyuan 
- avantages
	- formattage plus avancé
	- permet la synchronisiation et appli iphone
	- export markdown ok
	- mindmap disponible
- inconvénient
	- problème de liens non mis à jour après déplacement (ok après avoir reconstruit l'index)
	- données au format json donc moins portable (export possible)
	- mineurs mais embêtant
		- pas de mode vim
		- ne reconnait pas les liens "locaux" lors import markdown
		- import markdown ne reconnaît pas les tags avec hashtask
		- faire une formule en math mécessite de passer par l'éditeur (plus long que $x^2$)
Helix
- en dernier recours mais  Markdown preview possible https://www.reddit.com/r/HelixEditor/s/hRbs9rIb0V
* faisable avec zk-org/zk pour gestion zettelksten