Data Wrangling, Processus de transformation des données de leur format brut vers un format adapté à l'analyse., .isnull() / .isna(), Fonction permettant d'identifier et de détecter les valeurs manquantes (NaN) dans un DataFrame., Mean Imputation, Technique consistant à remplacer les valeurs manquantes d'une colonne par la moyenne des valeurs présentes., Binning (pd.cut), Technique de découpage d'une variable numérique continue en plusieurs catégories/groupes (ex: Low, Medium, High)., pd.get_dummies(), Méthode permettant de transformer des variables catégorielles texte en variables muettes (0/1)., Pearson Correlation, Mesure statistique entre -1 et 1 évaluant la dépendance linéaire entre deux variables continues., ANOVA (Test F), Test statistique comparant les moyennes de plusieurs groupes pour évaluer l'impact d'une variable catégorielle., Multiple Linear Regression (MLR), Modèle prédisant une variable cible continue à partir de plusieurs variables explicatives (X1, X2, ...)., Coefficient de détermination (R2), Métrique (R2) indiquant le pourcentage de variation de la cible expliqué par le modèle., Overfitting (Surapprentissage), Problème où le modèle apprend le "bruit" des données d'entraînement et échoue sur le jeu de test., Cross-Validation (cross_val_score), Méthode de validation évaluant le modèle sur k sous-ensembles (folds) pour tester sa généralisation., K-Nearest Neighbors (KNN), Algorithme de classification supervisée basé sur la proximité des instances et le paramètre k.

Machine Learning & Data Processing

par
Imprimer
Incorporer

Classement

Style visuel

Options

Changer de modèle

Restauration auto-sauvegardé :  ?