P
📊Analyse de donnéesDebutantAll AIs

Détection des valeurs aberrantes

Identifier et traiter les valeurs aberrantes

Coller dans votre IA

Adapter ce prompt

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

Écris du code Python pour détecter les valeurs aberrantes dans les colonnes numériques du DataFrame df en utilisant trois méthodes : la méthode de l'écart interquartile (IQR), le score Z (seuil=3) et la Forêt d'Isolation. Compare les résultats, visualise les valeurs aberrantes avec des diagrammes en boîte et recommande la méthode la plus appropriée pour [DÉCRIRE_LA_DISTRIBUTION_DES_DONNÉES].

Personnaliser ce prompt avec Léa · Assistante IA

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

Cas d'usage

Identifier et traiter les valeurs aberrantes

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 : Pour choisir la méthode, testez d'abord la normalité (ex : test de Shapiro). Si distribution normale → Z-score (mais seuil 3 peut être trop strict sur petits échantillons ; préférez 2,5 ou MAD). Si asymétrique ou avec outliers nombreux → IQR (plus robuste). Pour données volumineuses ou non linéaires → Isolation Forest.

📬 Recevez de nouveaux prompts chaque semaine

Rejoignez notre newsletter et ne manquez aucun prompt.

Pour aller plus loin

Prompts similaires

Créer une proposition de stratégie de données

Proposer des initiatives en matière de données de manière stratégique

466

Segmentation clients par clustering

Segmente une base clients en groupes homogènes via RFM et K-means avec stratégies marketing personnalisées par segment.

682

Prévision des ventes par forecasting

Construit un modèle de forecasting des ventes avec comparaison de méthodes, scénarios et intervalles de confiance.

683
📊Analyse de donnéesIntermediaireAll AIs

Analyser l'importance des variables

Comprendre l'importance des variables du modèle

383