Post de Olivier Faure

Réflexion du jour : Avant de plonger dans une régression linéaire, il est crucial de s'assurer que nos données respectent certaines hypothèses fondamentales. 1️⃣ Linéarité : Assurons-nous que la relation entre les variables est linéaire. Un simple graphique peut nous donner des indications précieuses. 2️⃣ Homoscédasticité : Les résidus doivent présenter une dispersion constante le long de la ligne de régression. Une dispersion inégale peut indiquer une violation de cette hypothèse. 3️⃣ Indépendance des résidus : Les résidus ne doivent pas présenter de schémas discernables lorsqu'ils sont tracés dans le temps ou dans l'ordre de collecte. 4️⃣ Normalité des résidus : Les résidus doivent suivre une distribution normale. Des outils comme le test de Shapiro-Wilk peuvent nous aider à évaluer cette hypothèse. 5️⃣ Absence de multicolinéarité : Assurons-nous qu'il n'y a pas de fortes corrélations entre les variables indépendantes. Valider ces hypothèses est essentiel pour garantir des résultats fiables et interprétables. #DataScience #RegressionLineaire #AnalyseDesDonnées

La gestion des données c’est aussi une question de timing Dans notre nouvelle vidéo, nous te montrons comment #filtrer tes lignes en fonction de critères de #date grâce au 𝗙𝗶𝗹𝘁𝗲𝗿 𝗿𝗼𝘄𝘀/𝗰𝗲𝗹𝗹𝘀 𝗼𝗻 𝗱𝗮𝘁𝗲 Que ce soit pour analyser des tendances ou suivre des événements précis, cette fonctionnalité de #Dataiku pourrait devenir ta meilleure alliée pour filtrer tes données temporaires Lien vers la vidéo : https://lnkd.in/ef6HKuHZ #dataiku #datefiltering #timeseries #dataanalysis #youtubelearning

⚠️Astuce Excel pour remplir toutes les cellules vides d’un tableau simultanément. Partagez-la avec votre réseaux 😉. ➕Abonnez-vous pour ne pas rater mes prochaines publications #Astuce #LeSavoirEstUneArme

❓ Vous avez déjà entendu parler de 𝗱𝗼𝗻𝗻𝗲́𝗲𝘀 𝗻𝗼𝗿𝗺𝗮𝗹𝗶𝘀𝗲́𝗲𝘀 dans un contexte #BDD ? ☝️ C’est un processus d’organisation et de structuration des données qui permet de garantir une cohérence, une intégrité et une facilité d’utilisation. ❄️ Les 𝘀𝗰𝗵𝗲́𝗺𝗮𝘀 𝗲𝗻 𝗲́𝘁𝗼𝗶𝗹𝗲 et en 𝗳𝗹𝗼𝗰𝗼𝗻 𝗱𝗲 𝗻𝗲𝗶𝗴𝗲 peuvent répondre à ce besoin avec des tables de faits et de dimensions. 👉 Les tables de dimensions donnent du détail aux faits selon un identifiant unique. 🛰️ Les 𝗦𝗮𝘁𝗲𝗹𝗹𝗶𝘁𝗲𝘀 du 𝗗𝗮𝘁𝗮 𝗩𝗮𝘂𝗹𝘁 peuvent aussi aider avec un principe se rapprochant des tables de dimensions. ✅ Avec la normalisation 𝗼𝗻 𝗲́𝘃𝗶𝘁𝗲 𝗹𝗮 𝗿𝗲𝗱𝗼𝗻𝗱𝗮𝗻𝗰𝗲 𝗱𝗲𝘀 𝗱𝗼𝗻𝗻𝗲́𝗲𝘀 et donc de répéter des données identiques et pouvant potentiellement évoluer dans le temps. ⚠️ Attention tout de même à la sur-normalisation qui pourrait être incité avec le schéma en flocon de neige. 👉 Cela augmente le nombre de jointures potentielles ; 👉 Le stockage est allégé mais la charge reviendra donc sur le compute. ☝️ Il faut identifier à partir de quand la normalisation perd de son efficacité. 👇 Pensez à aller visiter le blog (lien en commentaire) pour avoir plus de concepts en Data donc ceux des schéma en étoile et en flocon de neige ! #data #conceptData

🕵️♂️ Est-il indispensable d'être un #DataScientist pour faire des analyses de données ? Absolument pas ! Notre dernier #LivreBlanc a pour but de démocratiser l'analyse de données, en la rendant accessible à tous, indépendamment de votre niveau d'expertise préalable. 🏆 👁️ Du développement des questions de recherche à la méthodologie de #collecte et de #préparation des données, en passant par la #DataVisualisation et le #DataStorytelling, ce guide couvre toutes les étapes essentielles de la #DataAnalyse. Merci à nos rédacteurs Christophe Millot, Antoine Broudeur et Marie Le Floc’h (de Vesvrotte). 👏 Pour télécharger notre livre blanc 👉 https://lnkd.in/eXGcdFSF

Bonjour à tous , je vous présente dans cette vidéo ,la fonction TRIER dans Excel qui est un outil très pratique pour réorganiser vos données selon un ordre spécifique. Elle vous permet de trier une plage de cellules par ordre croissant ou décroissant, en fonction d'un ou plusieurs critères. Syntaxe : =TRIER(tableau;[index_tri];[ordre_tri];[par_colonne])

Une petite piqûre de rappel datant de 2017, expliquant simplement, par un exemple, l'analyse factorielle appliquée à l'analyse textuelle. #analysetextuelle #afc #datamining #data #statistiques

Chers collègues et amis, Après avoir abordé le gage R&R, je suis ravi de vous présenter un nouvel outil : la boîte à moustache. 📊 La boîte à moustache ou box plot est un graphique statistique qui nous permet de visualiser la distribution des données et d'identifier rapidement les valeurs aberrantes. 📏 Elle nous aide à comprendre la dispersion et la symétrie de nos données, ce qui est essentiel pour des analyses précises. 📈 J'ai préparé une ressource pour vous aider à comprendre et à utiliser efficacement la boîte à moustache dans vos projets. J'espère que cela vous permettra d'optimiser vos analyses et de prendre des décisions éclairées en identifiant les valeurs aberrantes et en comprenant la distribution de vos données. 💼📊 Je vous encourage vivement à consulter cette ressource et à partager vos expériences, conseils et questions sur l'utilisation de la boîte à moustache. Ensemble, continuons à approfondir nos connaissances et à exceller dans nos efforts d'amélioration continue. Merci pour votre engagement constant ! 📊✨ #BoîteAMoustache #Boxplot #AnalyseDesDonnées #AméliorationContinue

Pourquoi et comment stabiliser la variance d'une série de données ? La variance mesure la dispersion des données par rapport à une donnée particulière appelée moyenne. L'idéal en science des données est que les données soient regroupées autour de leur valeur moyenne. On dit qu'ainsi, les données proviennent d'une population normale c'est-à-dire que les caractéristiques relevées sur les unités statistiques de cette population varient très peu entre elles. Cette propriété des données permet l'obtention d'indicateurs avec une précision meilleure lors des modélisations et autres inférences statistiques. Les techniques de stabilisation de la variance d'une série de données sont légion. Une méthode populaire consiste à transformer la série de données en lui appliquant des fonctions telles que le logarithme.

Plongez dans le monde intéressant du clustering, une méthode géniale et simple de regroupement de données. De la segmentation intelligente des données à la compréhension des schémas subtils, découvrez comment cette technique astucieuse nous permet de comprendre des ensembles de données complexes. Préparez-vous à un voyage passionnant, où chaque itération de K-means nous aide à voir des structures cachées dans nos informations. ✨❤️Ceci est mon premier article, il est simple et accessible à n’importe quel niveau. J’espère qu’il vous plaira. https://lnkd.in/eyfMXDcc Luc-Aymar Yapi , Mulah Moriah , Melchisedek Goulian , Schekinaelle Axa ABOA ,Anicet. K. Apeli ,Alliage ,Anne-Lise ZALO .