2018-02-15 Session 3

Suite et fin :

• Classification et régression

• formalisation de la régression, de la classification

• classification multi-classe

Prétraitements :

• Prétraitement des données, données textuelles

• clustering, k-means un exemple avec les vélos à Chicago et l’utilisation du clustering pour trouver les profils de cyclistes à Chicago

• ranking

• recommandations

• Problèmes standard de machine learning

• résumé de l”interface scikit-learn

Exercices :

• Utiliser deux learners dans un pipeline scikit-learn

• Transformer un problème de classification en un problème de ranking en utilisant la base de données sur les vins

• Transformer un problème de régression en un problème de recommandation en utilisant la base de données sur les vins.