La chronologie de la table de base

Analytique prédictive intermédiaire en Python

Nele Verbiest Ph. D.

Senior Data Scientist @PythonPredictions

Le processus de modélisation prédictive

Fondamentaux de l'analytics prédictif I :

Créer des modèles prédictifs
Évaluer des modèles prédictifs
Présenter des modèles prédictifs aux parties prenantes métier

Fondamentaux de l'analytics prédictif II:

Construire la table de base

La table de base (1)

La table de base (2)

La table de base (3)

La table de base (4)

La chronologie (1)

La chronologie (2)

La chronologie (3)

La chronologie (4)

Reconstituer l'historique (1)

Reconstituer l'historique (2)

Reconstituer l'historique (3)

Sélectionner les données pertinentes en Python

import pandas as pd
gifts = pd.read_csv("gifts.csv")
gifts["date"] = pd.to_datetime(gifts["date"])
print(gifts.head())

   id       date  amount
0   1 2015-10-16    75.0
1   1 2014-02-11   111.0
2   1 2012-03-28    93.0
3   1 2013-12-13   113.0
4   1 2012-01-10    93.0

start_target = datetime(year = 2018, month = 5, day = 1)
end_target = datetime(year = 2018, month = 8, day = 1)

gifts_target = gifts[(gifts["date"]>=start_target) & (gifts["date"]<end_target)]

gifts_pred_variables = gifts[(gifts["date"]<start_target]

Passons à la pratique !

Analytique prédictive intermédiaire en Python