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
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
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.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Pour aller plus loin
Prompts similaires
Analyse SWOT actionnable
Pour la planification stratégique annuelle ou avant une levée de fonds
Analyse des données de stocks et d'inventaire
Analyse complète des données d'inventaire avec classification ABC/XYZ, calcul des seuils et optimisation du BFR.
Analyse de la rétention
Améliorer la rétention utilisateur
Ingénierie de caractéristiques temporelles
Extraire des caractéristiques de colonnes datetime