fix(notebook,#13944): rendre l'ecart EN-LASSO c15 dérive — 0.007 littéral → max(ecarts_b0)

[jsboige]

fix(notebook,#13944): rendre l'écart EN-LASSO c15 dérivé — 0.007 littéral → max(ecarts_b0)

Grain: MED/notebook-python — lane myia-po-2026:CoursIA-2 — prev: MED/guard #13951

Résumé

Issue #13944 : la cellule code 15 du notebook 2.11-Regularisation-Sparse-LASSO.ipynb imprime un littéral +-0.007 codé en dur dans la source du print. La cellule markdown 16, réparée par #13724, annonce désormais ±0.002 (écarts EN−LASSO : −0.002, +0.002, +0.002, +0.001, 0.000, max abs = 0.002). Constat : « sera régénéré à la prochaine exec kernel » invoqué par c.774 est faux — 0.007 est un littéral dans la source du print, pas une valeur calculée. Re-exécution kernel = impression identique, indéfiniment.

Le défaut (mesure)

Sur la sortie commit actuelle (tête b17f24ac90 de #13724 avant merge) :

• Code c15 : print('=> ElasticNet suit LASSO a +-0.007 pres sur la feature 0 ...') ← littéral.
• Markdown c16 : ecarts EN-LASSO : -0.002, +0.002, +0.002, +0.001, 0.000, max abs = 0.002 ← mesure réelle.

Comptage sur la tête : 0.002 apparaît 7 fois dans le markdown, 0.007 1 fois — précisément la chaîne imprimée par le code. L'étudiant qui lit la sortie puis le paragraphe voit deux chiffres pour une même grandeur.

Fix appliqué : valeur dérivée de max(ecarts_b0)

1) Collecte des écarts EN−LASSO sur feature 0

Dans la boucle for i, res in enumerate(results_colin):, après l'impression de chaque paire :

ecarts_b0.append(abs(pair_en[0] - pair_lasso[0]))

ecarts_b0 est initialisée avant la boucle (ligne ecarts_b0 = [] insérée juste avant for i, res in enumerate(...)).

2) print final — f-string dynamique

Remplacé :

print('=> ElasticNet suit LASSO a +-0.007 pres sur la feature 0 des paires (EN ~= LASSO ici),')

par :

print(f'=> ElasticNet suit LASSO a +-{max(ecarts_b0):.3f} pres sur la feature 0 des paires (EN ~= LASSO ici),')

Le format :.3f reproduit la précision du markdown c16 (0.002, 3 décimales).

3) Re-exécution Papermill

Papermill SUCCESS, 29/29 cellules, 0 erreur, kernel python3. execution_count 1-10 continu, outputs réels regenérés. Le +-0.002 imprimé coïncide exactement avec le ±0.002 du markdown c16.

Vérifications

python -m papermill 2.11-Regularisation-Sparse-LASSO.ipynb -k python3
Executing: 100%|██████████| 29/29 [00:13<00:00,  2.12cell/s]
returncode: 0

c15 outputs (last 3) :
  '   le design (rho=0.7, p=10, alpha_eq=0.4) ne reproduit PAS l'arbitraire strict du LASSO sur paires.\n'
  '=> ElasticNet suit LASSO a +-0.002 pres sur la feature 0 des paires (EN ~= LASSO ici),\n'
  '   donc aucune redistribution visible -- la difference L1/L2 est ailleurs (shrinkage L2 global),\n'

c15 execution_count: 6 (regénéré)
0 erreur dans les 29 cellules
10/10 code cells avec execution_count (1-10 continu)

Pre-commit (H.3 — refuse un-executed notebooks + #13326 — refuse un-compilable cell source) : Passed.

Scope

Fichier	Statut	Diff
MyIA.AI.Notebooks/ML/DataScienceWithAgents/02-ML-Cours/2.11-Regularisation-Sparse-LASSO.ipynb	modified	+6/-4 (3 lignes de code c15 : init ecarts_b0 = [], ecarts_b0.append(...) dans la boucle, print(f'...max(ecarts_b0):.3f}...'))

Total : 1 fichier, +6/-4, 1 sujet unique (largement sous les seuils 3000/15).

• Pas de modification du markdown c14/c16/c17/c27 (cohérence vérifiée : le 0.002 du markdown c16 reste exact ; 0.007 littéral restant en c27 fait partie de la conclusion et sort du scope de l'acceptance notebook 2.11 LASSO : le +-0.007 du print de c15 est un litteral, pas une mesure (suivi de #13724) #13944).
• Pas de modification du runner, des workflows, de la config CI.
• Pas d'élargissement du kernel — Python 3.11.15 local suffit.
• Pas de modification du catalogue, harnais, ou autres scripts.

Compliance

• Tell c.692-L1 strict : 1 fichier, +6/-4, 1 sujet unique.
• Tell c.591-L1 strict : livraison CPU-only (Python pur, pas de GPU ni de service externe).
• Tell c.805 LEÇON DURABLE : grain MED/notebook-python CONTENU (R6 variété : après 4 grains MED/guard consécutifs test(scripts,#13776): cliquet non-regression rename-aware count_revisions_follow #13943 fix(ci,#13874): forme universelle de la garde fork -- couvre pull_request_target #13947 fix(perimeter,#13946): ignore hors-scope count annotations + touche-N fallback #13949 fix(preflight,#13938): exemption comment-only Hermes — rien de bloquant ferme le gate #13951, retour à notebook-python).
• Worker identity c.598 : pas de merge, pas de gh auth switch, pas de close d'autrui.
• catalog-pr-hygiene HARD 1 : aucun marqueur CATALOG-STATUS touché.
• C.1 : pas de raise NotImplementedError / assert False / 1/0 ajouté.
• C.2 : notebook committé AVEC outputs (29/29 cellules, execution_count 1-10 continu, 0 erreur, output c15 = +-0.002 dérivé).
• C.3 : scope strict = ce seul notebook, 1 cellule code touchée (c15), 0 ajout/suppression de cellule.
• H.3 : pre-commit check execution_count is None and not outputs PASSED.
• Anti-régression : 0 stub fonctionnel, 0 sorry sur code de production. Le print ne supprime pas de cellule illustrative — il reste 4 prints avant le print dérivé (introduction rho, features actives, format paire LASSO/EN par tirage, sélection stable LASSO sur 5 tirages).
• [CLAIMED] posé avant travail (Tell c.598 + dashboard append pré-début).
• Acceptance notebook 2.11 LASSO : le +-0.007 du print de c15 est un litteral, pas une mesure (suivi de #13724) #13944 : 4/4 critères vérifiés à l'instant (dérivé, re-exécuté, 0.002 = c16, 0 cellule ajoutée/supprimée).

Refs #13944 (acceptance satisfaite : le +-0.007 littéral est éliminé ; le print affiche désormais max(ecarts_b0) calculé sur les 5 tirages ; la valeur +-0.002 coincide avec le markdown c16 ; notebook re-exécuté via papermill avec 0 erreur et execution_count 1-10 continu).

[github-actions]

Golden-Set Execution (H.7 P3)

✅ 8/8 notebooks passed (certified reproducible)

Notebook	Status	Time
2.1-Workflow-ML.ipynb	✅ SUCCESS	4.3s
2.2-Descente-de-gradient.ipynb	✅ SUCCESS	4.1s
2.3-Regression-lineaire-logistique.ipynb	✅ SUCCESS	5.0s
2.4-Arbres-Forets-Ensembles.ipynb	✅ SUCCESS	4.8s
Search-1-StateSpace.ipynb	✅ SUCCESS	3.8s
SL-1-LogicalLearning.ipynb	✅ SUCCESS	2.6s
rl_4_multi_armed_bandits.ipynb	✅ SUCCESS	25.5s
GameTheory-04c-NashExistence-Python.ipynb	✅ SUCCESS	6.5s

Pinned lockfile: scripts/notebook_tools/golden_set.lock.txt (H.7 P3, axe A #4208)

[github-actions]

⚠️ Detector abstained (merge-base introuvable, shallow fetch or unanchored branch).

c.415 (#11873): scope = notebooks CHANGED in this PR, not the whole corpus.
See python scripts/check_markdown_claims_output.py --help for re-running locally.
Detector rationale: c.290 / c.331 / PR #11435 pathologie.

[github-actions]

Notebook PR Validation: PASS

• Notebooks checked: 1
• Code cells validated: 10
• Result: All passed

Checks: H.1 (no errors), H.3 (execution_count), C.1 (no banned patterns)
Non-Python kernels (.NET/Lean): C.1 + errors only (execution_count advisory)
QuantConnect notebooks: C.1 + errors only (require QC Cloud for execution)