Exploratory Data Analysis & Machine Learning 🧑‍💻📊

Description du projet 📖

Ce projet se concentre sur l'analyse exploratoire des données (EDA) et l'application de modèles d'apprentissage automatique (ML) pour prédire les comportements des clients dans un magasin en ligne. Le jeu de données utilisé dans ce projet est celui de la Superstore Marketing Campaign qui contient des informations sur les achats, les catégories de produits, et les données démographiques des clients.

Objectifs 🎯

1. Analyse exploratoire des données (EDA) : 🚀

   • Nettoyage des données 🧹
   • Visualisation des tendances 📈
   • Identification des corrélations entre les variables 🔍
   • Traitement des valeurs manquantes et des valeurs aberrantes 🚫

2. Modélisation :

   • Création de modèles de machine learning pour prédire les comportements d'achat des clients 🤖.
   • Utilisation des modèles de régression et de classification (en fonction du type de données).

3. Évaluation du modèle :

   • Évaluation des modèles à l'aide de mesures comme la précision 📏, la matrice de confusion 🔀, et le score R² 📊.

Installation 🛠️

Prérequis ⚙️

Avant d'exécuter le projet, vous devez avoir Python installé sur votre machine, ainsi que les bibliothèques nécessaires :

• Python 3.x
• pandas
• numpy
• matplotlib
• seaborn
• scikit-learn

Installation des dépendances 📥

Clonez ce repository et installez les dépendances avec pip :

git clone https://github.com/syphaxlch/ExploratoryDataAnalysis_ML.git
cd ExploratoryDataAnalysis_ML
pip install pandas seaborn matplotlib scikit-learn numpy

Dataset utilisé

Le jeu de données utilisé dans ce projet provient de Superstore Marketing Campaign Dataset sur Kaggle. Ce dataset est utilisé pour analyser le comportement d'achat des clients et les performances des campagnes marketing.

Merci d'avoir consulté ce projet ! 🙏