From 062071b20d1d40c64bb619931bd11bd28e780485 Mon Sep 17 00:00:00 2001
From: Rémi Flamary <remi.flamary@gmail.com>
Date: Fri, 1 Sep 2017 15:31:44 +0200
Subject: update example with rst titles

---
 docs/source/auto_examples/plot_WDA.py | 27 +++++++++++++++++++++++++++
 1 file changed, 27 insertions(+)

(limited to 'docs/source/auto_examples/plot_WDA.py')

diff --git a/docs/source/auto_examples/plot_WDA.py b/docs/source/auto_examples/plot_WDA.py
index 42789f2..06a2e38 100644
--- a/docs/source/auto_examples/plot_WDA.py
+++ b/docs/source/auto_examples/plot_WDA.py
@@ -4,6 +4,12 @@
 Wasserstein Discriminant Analysis
 =================================
 
+This example illustrate the use of WDA as proposed in [11].
+
+
+[11] Flamary, R., Cuturi, M., Courty, N., & Rakotomamonjy, A. (2016). 
+Wasserstein Discriminant Analysis.
+
 """
 
 # Author: Remi Flamary <remi.flamary@unice.fr>
@@ -16,6 +22,10 @@ import matplotlib.pylab as pl
 from ot.dr import wda, fda
 
 
+##############################################################################
+# Generate data
+##############################################################################
+
 #%% parameters
 
 n = 1000  # nb samples in source and target datasets
@@ -39,6 +49,10 @@ nbnoise = 8
 xs = np.hstack((xs, np.random.randn(n, nbnoise)))
 xt = np.hstack((xt, np.random.randn(n, nbnoise)))
 
+##############################################################################
+# Plot data
+##############################################################################
+
 #%% plot samples
 pl.figure(1, figsize=(6.4, 3.5))
 
@@ -53,11 +67,19 @@ pl.legend(loc=0)
 pl.title('Other dimensions')
 pl.tight_layout()
 
+##############################################################################
+# Compute Fisher Discriminant Analysis
+##############################################################################
+
 #%% Compute FDA
 p = 2
 
 Pfda, projfda = fda(xs, ys, p)
 
+##############################################################################
+# Compute Wasserstein Discriminant Analysis
+##############################################################################
+
 #%% Compute WDA
 p = 2
 reg = 1e0
@@ -66,6 +88,11 @@ maxiter = 100
 
 Pwda, projwda = wda(xs, ys, p, reg, k, maxiter=maxiter)
 
+
+##############################################################################
+# Plot 2D projections
+##############################################################################
+
 #%% plot samples
 
 xsp = projfda(xs)
-- 
cgit v1.2.3