Leçon 2 sur 5
Valeurs manquantes, valeurs aberrantes et transformations
Je sais diagnostiquer et traiter les valeurs manquantes et les valeurs aberrantes d'un jeu de données, puis transformer les variables pour les rendre comparables et exploitables.
- 1 h 20
- 6 exercices corrigés
- QCM de 7 questions
À la fin de la leçon, vous saurez :
- Contrôler la qualité d'un jeu de données (doublons, incohérences, valeurs impossibles)
- Distinguer les mécanismes de données manquantes MCAR, MAR et MNAR et choisir un traitement
- Détecter des valeurs atypiques par la règle de l'écart interquartile et par les scores z
- Appliquer et justifier une transformation : logarithme, centrage-réduction, normalisation min-max
- Écrire en Python une chaîne de nettoyage reproductible
Avant de commencer : Leçon 1 (typologie des variables et statistiques exploratoires).
1Je découvre
Mariama a terminé la première exploration de l'enquête de Kafu Finance (institution fictive). Elle découvre de nombreux problèmes : 47 clientes n'ont pas déclaré leur épargne, une cliente aurait 230 ans, l'agence est écrite tantôt « Kindia », tantôt « kindia » ou « KINDIA », trois clientes apparaissent deux fois, et une commerçante de Kankan déclare un chiffre d'affaires journalier cinquante fois supérieur à la médiane.
Son collègue propose une solution rapide : « Supprime toutes les lignes qui ont un problème. » Mariama compte : il ne resterait que 480 clientes sur 600, et justement celles qui ne déclarent pas leur épargne sont peut-être celles qui ont des difficultés. Supprimer, ce serait fausser l'analyse.
Comment traiter les valeurs manquantes et les valeurs aberrantes sans fausser les résultats, et quand faut-il transformer une variable avant l'analyse ?
La suite se lit avec votre compte Kharandi Université
La première leçon de chaque cours est libre. Kharandi Université est une inscription à part de l’école : avec votre compte étudiant, vous lisez toutes les leçons en entier, avec les exercices corrigés et les QCM, et les 7 premiers jours sont offerts.
Voir toutes les leçons de Analyse exploratoire et multidimensionnelle des données
Signaler une erreur dans cette leçon
Toutes les leçons de Analyse exploratoire et multidimensionnelle des données