Quels sont les cas d'utilisation de ce prompt ?

Ce prompt peut être utilisé pour : Identifier les caractéristiques prédictives.

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

Calculer les corrélations des caractéristiques avec la cible

Identifier les caractéristiques prédictives

Coller dans votre IA

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

Écris du code Python pour calculer la corrélation entre toutes les caractéristiques et la variable cible [CIBLE] dans le DataFrame df. Utilise la corrélation de Pearson pour les caractéristiques numériques, le point-bisérial pour binaire contre continu, et le V de Cramér pour catégorielle contre catégorielle. Produis un tableau classé par forces de corrélation.

Personnaliser ce prompt avec Léa

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

Cas d'usage

Identifier les caractéristiques prédictives

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
Pensez à convertir les variables catégorielles en type `category` et à gérer les NaN (`dropna()`) avant de lancer vos fonctions. Pour le V de Cramér, utilisez la version corrigée du biais, pas la formule naïve. Enfin, pour trier, créez une colonne avec la valeur absolue : `df_results['abs'] = df_results['corr'].abs()` puis `sort_values('abs', ascending=False)`.