.. blogpost::
    :title: Session 3
    :keywords: session 3
    :date: 2018-02-15
    :categories: session

    Suite et fin :

    * :ref:`l-regclass`
    * formalisation de la :ref:`régression <l-regression-f>`,
      de la :ref:`classification <l-classification-f>`
    * :ref:`classification multi-classe <l-multiclass>`

    Prétraitements :

    * :ref:`l-preprocessing`

    * `clustering <http://scikit-learn.org/stable/modules/clustering.html#clustering>`_,
      `k-means <http://www.xavierdupre.fr/app/mlstatpy/helpsphinx/c_clus/kmeans.html>`_
      un exemple avec
      les `vélos à Chicago <http://www.xavierdupre.fr/app/ensae_projects/helpsphinx/notebooks/city_bike_challenge.html>`_
      et l'utilisation du clustering pour trouver les
      `profils de cyclistes à Chicago <http://www.xavierdupre.fr/app/ensae_projects/helpsphinx/notebooks/city_bike_solution_cluster_start.html>`_
    * :ref:`ranking <l-ranking-section>`
    * :ref:`recommandations <l-recsys-section>`
    * :ref:`l-cheatsheet-ml`
    * résumé de l'`interface scikit-learn <http://www.xavierdupre.fr/app/ensae_teaching_cs/helpsphinx/notebooks/02_basic_of_machine_learning_with_scikit-learn.html#a-recap-on-scikit-learn-s-estimator-interface>`_

    Exercices :

    * :ref:`Utiliser deux learners dans un pipeline scikit-learn <ex-pipe2learner>`
    * 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.