Maintenant que vous avez vu ce qu’il faut faire pour préparer les données immobilières à XGBoost, parcourons le processus étape par étape.

D’abord, vous devrez remplacer les valeurs manquantes : comme vous l’avez constaté, la colonne LotFrontage contient de nombreuses valeurs manquantes. Ensuite, vous devrez encoder toutes les colonnes catégorielles du jeu de données en utilisant un one-hot encoding afin qu’elles soient représentées numériquement. Vous pouvez revoir cette vidéo du cours Supervised Learning with scikit-learn pour vous rafraîchir la mémoire sur le concept.

Les données comportent cinq colonnes catégorielles : MSZoning, PavedDrive, Neighborhood, BldgType et HouseStyle. Scikit-learn propose une fonction LabelEncoder qui convertit les valeurs de chaque colonne catégorielle en entiers. Vous allez vous entraîner à l’utiliser ici.

Rappel sur les pipelines avec sklearn

Create Your Free Account