Tutoriels sur la science des données

Lorsque vous savez combien de fois vous voulez répéter une action, une boucle for est une bonne option. Maîtrisez les boucles for avec ce tutoriel.

Apprenez pandas de l’installation à l’analyse, avec chaque exemple testé sur pandas 3.1.

Apprenez PySpark avec du code exécutable : installez PySpark 4.3, sélectionnez, filtrez, regroupez et joignez des DataFrames, interrogez avec Spark SQL et segmentez des clients avec pyspark.ml.

Dans ce tutoriel Python, vous apprendrez à créer un dictionnaire, y charger des données, filtrer, récupérer et trier les valeurs, et réaliser d'autres opérations sur les dictionnaires.

Un modèle autorégressif prédit les valeurs futures d’une série à partir de son propre passé. Découvrez comment l’ajuster en Python avec statsmodels, choisir l’ordre de retard avec PACF et AIC/BIC, et le comparer aux modèles MA et ARIMA.

Découvrez comment ARIMAX étend ARIMA avec des prédicteurs externes, comprenez ses paramètres et hypothèses, et construisez un modèle de prévision en Python avec statsmodels.

Découvrez comment SARIMAX combine la modélisation saisonnière des séries temporelles avec des prédicteurs externes. Comprenez ses paramètres, ses différences avec ARIMA et SARIMA, et construisez un modèle de prévision en Python.

Découvrez ce qu'est la quadrature, comment l'intégration numérique approxime les intégrales définies, et le fonctionnement de méthodes comme la règle du trapèze, la règle de Simpson et la quadrature gaussienne.

Découvrez le fonctionnement de la transformation de Box-Cox, comment choisir le paramètre lambda et quand l’utiliser pour stabiliser la variance, réduire l’asymétrie et améliorer vos modèles statistiques.

Un rapport de vraisemblance compare la capacité de deux hypothèses ou modèles à expliquer les mêmes données. Cet article présente la formule, un exemple avec lancers de pièce, le test pour modèles de régression emboîtés en Python et R, et les rapports diagnostiques.

La régression pas à pas automatise la sélection de variables par recherche avant, arrière et bidirectionnelle, au prix de compromis en stabilité et en risque de surapprentissage.

Découvrez la définition, la formule, les propriétés clés, les coordonnées homogènes et les applications des transformations affines en graphisme, vision, robotique et préparation des données.