Remplacer systématiquement les bases de données

Apprendre à partir de données

Exécuter uniquement des règles écrites manuellement

Construire un système capable d'améliorer ses prédictions grâce à l'expérience

# Remplacement des modalités

transactions_NEW = transactions.replace(to_replace = ['e-Shop', 'TeleShop', 'MBR', 'Flagship store',  np.nan],

                                    value= [1, 2, 3, 4, 0])

print( transactions.replace(to_replace = ['e-Shop', 'TeleShop', 'MBR', 'Flagship store',  np.nan],

                                    value= [1, 2, 3, 4, 0]))

print(transactions.replace(to_replace = ['e-Shop', 'TeleShop', 'MBR', 'Flagship store',  'np.nan'],

                                    value= [1, 2, 3, 4, 0]) )

# Remplacement des modalités

transactions_NEW = transactions.replace(to_replace = ['e-Shop', 'TeleShop', 'MBR', 'Flagship store',  'np.nan'],

                                    value= [1, 2, 3, 4, 0])

Trier une liste alphabétiquement

Détecter une fraude bancaire

Recommander des produits personnalisés

Calculer une remise fixe de 10 %

• La détection des valeurs manquantes (méthodes isna , any, isnull)
• Le remplacement de ces valeurs (méthode fillna)
• La suppression des valeurs manquantes (méthode dropna)

• La détection des valeurs manquantes (méthodes fillna)
• Le remplacement de ces valeurs (méthode isna et any  )
• La suppression des valeurs manquantes (méthode dropna)

• La détection des valeurs manquantes (méthodes dropna)
• Le remplacement de ces valeurs (méthode isna , any et isnull)
• La suppression des valeurs manquantes (méthode fillna)

• La détection des valeurs manquantes (méthodes isna et any)
• Le remplacement de ces valeurs (méthode fillna)
• La suppression des valeurs manquantes (méthode dropna)

transactions = transactions.dropna(axis = 0, how = 'all', subset = ['rate', 'tax', 'total_amt'])

transactions = transactions.dropna(axis = 1, how = 'all', subset = ['rate', 'tax', 'total_amt'])

transactions = transactions.dropna(axis = 0, how = 'all', subset = ['tax', 'total_amt'])

transactions = transactions.dropna(axis = 0, how = 'all')

Calcul d'une remise fixe

Conversion de kilomètres en mètres

Détection de fraude

Recommandation de produits

Prédire un prix immobilier

Calculer une moyenne

Trier une liste de noms

Reconnaître un chiffre manuscrit

Aucun historique n'est nécessaire

Une variable cible existe

L'objectif est de découvrir des groupes

Des exemples passés existent

La recherche de structures cachées dans les données

L'absence de variable cible

La prédiction d'une variable cible connue

La nécessité d'avoir des données étiquetées