Quels sont les cas d'utilisation de ce prompt ?

Ce prompt peut être utilisé pour : Encoder des caractéristiques catégorielles.

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

Encoder des variables catégorielles

Encoder des caractéristiques catégorielles

Coller dans votre IA

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

Rédigez du code Python utilisant scikit-learn pour encoder les colonnes catégorielles dans le DataFrame df. Utilisez l'encodage one-hot pour [COLONNES_A_FAIBLE_CARDINALITE], l'encodage cible pour [COLONNES_A_FORTE_CARDINALITE] et l'encodage ordinal pour [COLONNES_ORDONNEES]. Enveloppez le tout dans un ColumnTransformer pouvant être utilisé dans un Pipeline.

Personnaliser ce prompt avec Léa

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

Cas d'usage

Encoder des caractéristiques catégorielles

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
Utilise `OneHotEncoder(handle_unknown='ignore')` pour gérer les catégories inédites, et spécifie l’ordre des catégories dans `OrdinalEncoder(categories=...)`. Pour le target encoding, veille à ne l’entraîner que sur le fold d’entraînement – l’intégrer dans un `Pipeline` avec `cross_val_score` évite les fuites de données.