↓ Aller au contenu

Prétraitement des données

Le prétraitement des données consiste à préparer les variables pour les rendre exploitables dans une analyse statistique ou un modèle de Machine Learning.

Valeurs manquantes, observations aberrantes, différences d’échelle ou distributions asymétriques : les données brutes nécessitent parfois plusieurs transformations avant d’être utilisées.

Ces opérations ne sont toutefois pas systématiques. Chaque transformation doit répondre à un problème identifié, sans altérer inutilement l’information contenue dans les données.


🧹 Nettoyage et traitement des données
#

  • Valeurs manquantes : identification, suppression et imputation.
  • Valeurs aberrantes : détection, analyse et traitement.

📐 Mise à l’échelle et transformations
#

🧩 Préparation des variables
#

  • Encodage des variables catégorielles (OneHotEncoder, OrdinalEncoder)
  • Discrétisation des variables numériques (KBinsDiscretizer)

⚙️ Bonnes pratiques
#

  • Pipelines de prétraitement (Pipeline, ColumnTransformer)
  • Fuites de données : séparation entraînement/test et validation croisée.

📚 Ressources complémentaires
#