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_classifier.py

@@ -98,8 +98,7 @@ class OmpForestMulticlassClassifier(OmpForest):
         predictions = self.predict(X)
 
         if metric == 'indicator':
-            # todo corriger bug ici
-            evaluation = np.abs(np.mean(np.abs(np.sign(predictions) - y) - 1))
+            evaluation = np.sum(np.ones_like(predictions)[predictions == y]) / X.shape[0]
         else:
             raise ValueError("Unsupported metric '{}'.".format(metric))