clean scripts

@leo.bouscarrat @luc.giffon

Il reste encore à ajouter plus de plots dans compute_results.py (pour l'instant il y a un exemple qui plot les loss sur train/dev/test).

Question : Dans le notebook il y a une version de la prédiction calculée avec une division de la somme des poids, et une version sans. C'était laquelle la bonne déjà ?

EDIT 1 - Exemple d'utilisation :

python code/train.py --dataset_name=california_housing --normalize_D --dataset_normalizer=standard --extracted_forest_size 10 20 30 --random_seed_number=2
python code/compute_results.py --experiment_ids 1

code/bolsonaro/models/omp_forest_regressor.py

@@ -9,7 +9,7 @@ import numpy as np
 
 class OmpForestRegressor(BaseEstimator):
 
-    default_score_metric = 'mse'
+    DEFAULT_SCORE_METRIC = 'mse'
 
     def __init__(self, models_parameters):
         self._regressor = RandomForestRegressor(n_estimators=models_parameters.forest_size,
@@ -60,7 +60,7 @@ class OmpForestRegressor(BaseEstimator):
 
         return predictions
 
-    def score(self, X, y, metric=default_score_metric):
+    def score(self, X, y, metric=DEFAULT_SCORE_METRIC):
         """
         Evaluate OMPForestRegressor on (`X`, `y`) using `metric`