Quels sont les cas d'utilisation de ce prompt ?

Ce prompt peut être utilisé pour : Identifier et traiter les valeurs aberrantes.

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

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

📊Analyse de donnéesDebutantAll AIs

Détection des valeurs aberrantes

Identifier et traiter les valeurs aberrantes

Coller dans votre IA

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

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.