La gestion de la qualité des données est au cœur de cet outil via le paramètre screenPolicy. L'action analyse chaque variable pour détecter les problèmes critiques tels que les variablesColonnes d'une table SAS contenant des données spécifiques (numériques ou caractères). Elles possèdent des attributs comme le nom, le type, la longueur, l'étiquette et le format d'affichage. constantes, les taux de valeurs manquantes trop élevés ou encore les variablesColonnes d'une table SAS contenant des données spécifiques (numériques ou caractères). Elles possèdent des attributs comme le nom, le type, la longueur, l'étiquette et le format d'affichage. de fuite (leakage) qui pourraient fausser les résultats. Elle propose ensuite des transformations correctives, comme l'imputation intelligente ou la création d'indicateurs de valeurs manquantes, permettant de transformer un dataset imparfait en une source de données prête pour la production.
Vos données sont incomplètes ou bruitées ? Voici comment featureMachine nettoie intelligemment vos datasets.
Exemples pour l'action featureMachine
Feature Engineering automatique minimaliste
Une exécution simple pour voir ce que l'action propose par défaut sur notre table.
Feature Engineering agressif avec interactions et sauvegarde du modèle
Ici, on active la détection d'interactions entre variables et on sauvegarde le résultat pour un déploiement futur via un astore.