Guide Complet de Traitement des Données Manquantes en Python - Machine Learning

Les données manquantes peuvent poser des problèmes importants dans les analyses de données, car elles peuvent fausser les résultats ou empêcher l'utilisation de certaines méthodes d'analyse. Dans cette vidéo, nous allons présenter les différents types de valeurs manquantes et explorer les différentes approches pour les traiter, en mettant en évidence les avantages et les inconvénients de chaque méthode. Enfin, nous allons présenter un exemple pratique et des outils utiles pour gérer les données manquantes dans vos projets, en utilisant un langage de programmation courant: Python.


00:00 Introduction
01:16 Les types de valeurs manquantes
01:22 Données MCAR
02:54 Données MAR
03:45 Données MNAR
05:04 Exploration des données
07:11 Identification du type
09:11 Imputation moyenne/mode/médiane
11:27 KNN Imputer
13:49 Iterative Imputer
14:40 Résumé
15:17 Conclusion


Lien vers les vidéos du challenge:    • Présentation du Challenge 100JoursDeM...  



Lien vers le notebook: https://github.com/LeCoinStat/100Jour...



Lien vers le cours théorique: https://cours-machine-learning.blogsp...

Lien vers la documentation du package fanalysis: https://pypi.org/project/fanalysis/

#100JoursDeML #LeCoinStat #datascience #machinelearning



---------------------------------------
SUIVRE LeCoinStat

YouTube : https://www.youtube.com/channel/UCoin...
Discord:   / discord  
Linkedin:  / natacha-njongwa-yepnga  
TikTok: https://vm.tiktok.com/ZMLEgAhku/
Instagram :  / lecoin_stat  
Facebook :   / lecoinstat