TODO

idem iforest avec oneclassforest, gmm, dpgmm

rajouter le scoring d'iforest dans les données avant d'appliquer gmm

-visualiser les probas d'états pour hmm en fct du temps (cf repo andy), et idem pour gmm
-bic and aic for gmm
-pomegrenade pour meilleurs hmm?


- plot en dimension 4 !!! (ou plusieurs de dimension 3)
- percentile
- bic vs nb_comp
- issue for sklearn bic/aic

- daniela points to issue pomegranate

- migration vers conda: supprimer le chgmt de path du bashrc et mettre tout dans conda y compris le pip (attendre romain?)

-datamicrocospe http://datamicroscopes.github.io/

- bic/aic for hmm

discussion interessante:
https://github.com/hmmlearn/hmmlearn/issues/118


-tracer ellipse et points sur chaque scatter
-comparer les likelihood