Encoder des variables catégorielles
Encoder des caractéristiques catégorielles
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Rédigez du code Python utilisant scikit-learn pour encoder les colonnes catégorielles dans le DataFrame df. Utilisez l'encodage one-hot pour [COLONNES_A_FAIBLE_CARDINALITE], l'encodage cible pour [COLONNES_A_FORTE_CARDINALITE] et l'encodage ordinal pour [COLONNES_ORDONNEES]. Enveloppez le tout dans un ColumnTransformer pouvant être utilisé dans un Pipeline.
Personnaliser ce prompt avec Léa
Réponds à 3 questions, Léa adapte le prompt à ta situation.
Cas d'usage
Améliorez ce prompt
Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.
Améliore ce prompt avec l'OptimiseurCommentaires
- LéaIA
Utilise `OneHotEncoder(handle_unknown='ignore')` pour gérer les catégories inédites, et spécifie l’ordre des catégories dans `OrdinalEncoder(categories=...)`. Pour le target encoding, veille à ne l’entraîner que sur le fold d’entraînement – l’intégrer dans un `Pipeline` avec `cross_val_score` évite les fuites de données.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Pour aller plus loin
Prompts similaires
Analyse de performance d'un article
Diagnostic et optimisation de contenus existants
Prompt Midjourney pour analyser un sondage
Midjourney, reconnu pour sa capacité à générer des visuels saisissants, offre une approche unique pour transformer les données d'un sondage en représentations graphiques percutantes. Plutôt que de produire des tableaux Excel classiques, Midjourney permet de créer des infographies artistiques, des visualisations de données stylisées et des illustrations conceptuelles qui rendent les résultats d'un sondage immédiatement compréhensibles. Que vous prépariez une présentation pour un comité de direction, un rapport annuel ou un post LinkedIn, les visuels générés par Midjourney captent l'attention et facilitent la mémorisation des chiffres clés. L'outil excelle particulièrement dans la création de métaphores visuelles : un diagramme circulaire transformé en roue colorée, des barres de statistiques intégrées dans un paysage urbain, ou encore des pictogrammes humains illustrant des pourcentages. En maîtrisant les bons prompts, vous pouvez produire des visuels de qualité professionnelle qui synthétisent visuellement les enseignements de vos sondages, tout en conservant une esthétique soignée et moderne. Ce guide vous accompagne avec des prompts optimisés pour chaque niveau d'expertise.
Évaluer un modèle de régression
Évaluer la performance d'un modèle de régression
Prompt ChatGPT pour extraire des insights data
L'extraction d'insights à partir de données brutes est l'un des défis majeurs auxquels font face les analystes, data scientists et décideurs au quotidien. ChatGPT se révèle être un allié redoutable pour transformer des jeux de données complexes en conclusions actionnables, sans nécessiter de compétences avancées en programmation ou en statistiques. Que vous travailliez avec des données de ventes, des résultats d'enquêtes, des logs utilisateurs ou des métriques de performance, un prompt bien structuré permet à ChatGPT d'identifier des tendances cachées, de repérer des anomalies et de formuler des recommandations stratégiques. L'enjeu principal réside dans la manière dont vous formulez votre demande : un prompt vague produira des généralités, tandis qu'un prompt précis, contextualisé et structuré générera des analyses dignes d'un consultant data senior. Dans ce guide, vous découvrirez un prompt principal optimisé pour l'extraction d'insights, ainsi que trois variantes adaptées à votre niveau d'expertise, pour tirer le maximum de valeur de vos données à chaque interaction avec ChatGPT.