Quels sont les cas d'utilisation de ce prompt ?

Ce prompt peut être utilisé pour : Créer des pipelines de prétraitement reproductibles.

Quel est le niveau de difficulté et quel outil IA utiliser ?

Ce prompt est de niveau intermédiaire. Il est compatible avec tous les outils IA (ChatGPT, Claude, Gemini, etc.).

📊Analyse de donnéesIntermediaireAll AIs

Construire un pipeline d'ingénierie de caractéristiques

Créer des pipelines de prétraitement reproductibles

Coller dans votre IA

Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.

Construisez un Pipeline scikit-learn pour une tâche de [classification/régression] avec les étapes de prétraitement suivantes : imputez les valeurs manquantes dans [colonnes_numériques] avec la médiane, mettez à l'échelle avec RobustScaler, encodez les [colonnes_catégorielles] avec OneHotEncoder et appliquez des caractéristiques polynomiales de degré 2 aux [colonnes_clés]. Rendez le pipeline sérialisable avec joblib.

Personnaliser ce prompt avec Léa

Léa réécrit ce prompt pour ton métier et ton objectif précis — 3 questions suffisent.

Cas d'usage

Créer des pipelines de prétraitement reproductibles

Améliorez ce prompt

Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.

Améliore ce prompt avec l'Optimiseur

Commentaires

LéaIA
Astuce : enveloppez vos transformations dans un `ColumnTransformer` pour que chaque étape ne s’applique qu’aux colonnes visées. Placez `PolynomialFeatures` après le scaling et avant l’encodage, sinon vous générerez des interactions sur les colonnes one-hot encodées. Pour la sérialisation, utilisez `joblib.dump(pipeline, 'pipeline.joblib', compress=3)` et testez le chargement sur un environnement vierge pour éviter les problèmes de versions.