Accéder au contenu principal

Cours

Analytique prédictive intermédiaire en Python

DébutantNiveau de compétence

Actualisé 08/2024

Découvrez comment préparer et organiser vos données pour l'analyse prédictive.

Commencer le cours gratuitement

PythonMachine Learning

4 h

15 vidéos

56 Exercices

4,350 XP

6,517

Certificat de formation

Apprécié par des utilisateurs provenant de milliers d'entreprises

Former une équipe ?

Essayez pour les entreprises

Description du cours

Construire de bons modèles n’est possible que si vous partez d’une table de base de qualité. Dans ce cours, vous apprendrez à construire une bonne table de base, à créer des variables et à préparer vos données pour la modélisation. Nous terminerons par des sujets avancés sur cette thématique.

Prérequis

Introduction to Predictive Analytics in Python

1

Concepts essentiels de la table de base

Dans ce chapitre, vous apprendrez à poser les fondations de votre table de base, à savoir la population et la cible.

La chronologie de la base table

Violations de la chronologie

Données disponibles

Violation de la chronologie

La population

Sélectionner la population pertinente

Une population conforme à la frise chronologique

Supprimer les doublons

Calculer une cible d’événement

Calculer une cible agrégée

Commencer le chapitre

2

Créer des variables

Vous apprendrez à ajouter à la table de base des variables que vous pourrez utiliser pour prédire la cible.

Ajouter des variables fixes

Choisir la bonne valeur

Ajouter l’âge

Ajouter le segment du donateur

Ajouter le lieu de résidence

Ajouter des variables agrégées

Sélectionner la date appropriée

Montant maximum l’année dernière

Récence des dons

Ajouter des évolutions

Ratio entre la moyenne du mois dernier et celle de l’année dernière

Différence absolue entre deux années

Utiliser les variables d’évolution

Performances des variables d’évolution

Sens de l’évolution

Commencer le chapitre

3

Préparation des données

Une fois les variables dérivées des données brutes, il est temps de nettoyer les données et de les préparer pour la modélisation. Dans ce chapitre, nous passons en revue les étapes nécessaires pour rendre vos données prêtes pour la modélisation.

Créer des variables indicatrices

Créer une variable indicatrice à partir d’une variable à deux modalités

Créer des dummies à partir d’une variable à de nombreuses modalités

Valeurs manquantes

Comment remplacer les valeurs manquantes

Créer une variable indicatrice de valeur manquante

Remplacer les valeurs manquantes par la médiane

Remplacer les valeurs manquantes par une valeur fixe

Gérer les valeurs aberrantes

Influence des valeurs aberrantes sur les modèles prédictifs

Gérer les valeurs aberrantes par winsorisation

Gérer les valeurs aberrantes avec l’écart type

Transformations

Interactions

Transformation par racine carrée

Ajouter des interactions à la basetable

Commencer le chapitre

4

Concepts avancés de la table de base

Dans certains cas, la cible ou les variables varient fortement selon les saisons. Vous apprendrez à gérer la saisonnalité en ajoutant différents instantanés à la table de base.

Saisonnalité

Saisonnier ou non

Détecter la saisonnalité

L’effet de la saisonnalité

Utiliser plusieurs instantanés

Valeurs cibles

Calcul du target pour des snapshots

Calcul des variables agrégées

Empiler des base tables

L’intervalle temporel

Événements pendant le timegap

Calcul des variables agrégées avec timegap

Ajouter l’âge avec un timegap

Félicitations

Commencer le chapitre

Analytique prédictive intermédiaire en Python

Cours
terminé

Obtenez un certificat de réussite

Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolio
Partagez-la sur les réseaux sociaux et dans votre évaluation de performanceS'inscrire maintenant

Rejoignez plus de 19 millions d'utilisateurs et commencez Analytique prédictive intermédiaire en Python dès aujourd'hui !

Apprenez où que vous soyez avec l'application DataCamp

Progressez où que vous soyez grâce à nos cours conçus pour mobile et à nos défis quotidiens de 5 minutes.