PYTHON SKLEARN PRE-PROCESSING + PIPELINE (22/30)

Dans ce tutoriel Python sur sklearn (scikit-learn) je vous montre comment faire du pre-processing pour améliorer vos performances en Machine Learning et Data Science. Nous voyons comment traiter nos données avec LabelEncoder, OneHotEncoder, MinMaxScaler, StandardScaler, et bien d'autres transformers du module sklearn.preprocessing. En fin de vidéo je vous montre comment assembler plusieurs transformers ensemble avec le module Pipeline. Voici la timeline de la vidéo : 0:00 Intro 00:43 Data preprocessing 02:56 Transformer Sklearn 05:37 Encodage Ordinal 10:13 Encodage One-Hot 11:19 Sparse Matrix 15:44 Normalisation MinMax 19:27 Standardisation 22:41 RobustScaler 24:20 PolynomialFeatures 27:00 Discretisation 29:00 Pipelines Petit résumé : Le preprocessing est important pour améliorer la qualité de nos données avant leur passage dans la machine. Pour ca sklearn ont développé un objet appelé transformer. Son rôle est de transformer nos données de façon cohérente, en appliquant sur les données du testset la même fonction de transformation qui a servie a traiter les données du trainset. Pour ca, les transformers disposent d'une méthode fit(X_train) et d'une méthode transform(X_test), un peu comme les estimateurs disposent d'une méthode fit(X_train, y_train) et d'une méthode predict(X_test) Parmi les opération de preprocessing les plus populaires, on retrouve : L'Encodage : LabelEncoder, OrdinalEncoder, LabelBinarizer, et OneHotEncoder La Normalisation : MinMaxScaler, StandardScaler, RobustScaler la Création de polynômes : PolynomialFeatures la Discretisation : Binarizer, KBinDiscretizer les transformations non-linéaires : PowerTransform, QuantileTransform La classe Pipeline de sklearn permet d'assembler plusieurs transformers avec un estimateur, formant ainsi un estimateur composite. GridSearchCV vous permet ensuite de trouver les meilleurs paramètres de votre pipeline. ► Me soutenir financierement sur Tipeee (et obtenir des vidéos BONUS) https://fr.tipeee.com/machine-learnia ► REJOINS NOTRE COMMUNAUTÉ DISCORD https://discord.gg/WMvHpzu ► MON SITE INTERNET: https://www.machinelearnia.com/ ► Recevez gratuitement mon Livre: APPRENDRE LE MACHINE LEARNING EN UNE SEMAINE CLIQUEZ ICI: https://www.machinelearnia.com/apprendre-le-machine-learning-en-une-semaine/ ► Téléchargez gratuitement mes codes sur github: https://github.com/MachineLearnia ► Abonnez-vous : https://www.youtube.com/channel/UCmpptkXu8iIFe6kfDK5o7VQ ► Qui suis-je ? Je suis Guillaume Saint-Cirgue, Senior Data Scientist avec plus de 8 ans d’expérience dans les secteurs de la tech, l’aviation, la robotique, l’énergie, et les usines connectées. En 2019, j’ai créé Machine Learnia dans le but de partager mes connaissances dans le domaine de l’intelligence artificielle. Mon objectif est d’expliquer en détail le fonctionnement du Machine Learning et de ses algorithmes, tout en rendant ces concepts accessibles à tous. Je suis convaincu qu'il ne suffit pas de survoler l'aspect mathématique de ce domaine; il est essentiel de s'y plonger en profondeur pour se démarquer. Cette approche a déjà convaincu plus de 150 000 personnes, et ceux que je forme aujourd'hui comptent parmi les meilleurs du secteur. ► Une question ? Contactez-moi: contact@machinelearnia.com