Comment visualiser la dépendance d'une caractéristique par rapport à la cible sur un graphique?

Pour visualiser la dépendance d'une caractéristique par rapport à une cible, différents types de graphiques sont utilisés en fonction du type de caractéristique et de la cible :

• Pour une caractéristique numérique et une cible numérique :

  • Nuage de points (scatter plot) — affiche chaque paire (caractéristique, cible).
  • Graphique linéaire ou graphique avec moyenne (par exemple, moyenne mobile) pour identifier les tendances.
  • Boxplot ou violin plot pour regrouper par plages de la caractéristique.

• Pour une caractéristique catégorique et une cible numérique :

  • Boxplot par catégories — montre la distribution de la cible pour chaque catégorie.
  • Diagramme à barres avec la moyenne de la cible par catégorie.

• Pour une cible catégorique :

  • Histogrammes ou diagrammes à barres de fréquences par valeurs de la caractéristique pour chaque catégorie de la cible.

Exemple en Python avec matplotlib et seaborn :

import seaborn as sns
import matplotlib.pyplot as plt

# df — DataFrame avec caractéristiques et cible
sns.scatterplot(data=df, x='feature', y='target')
plt.show()

# Pour une caractéristique catégorique
sns.boxplot(data=df, x='categorical_feature', y='target')
plt.show()

Ce type de visualisation aide à comprendre s'il existe une dépendance, sa forme et sa force, ainsi qu'à repérer les valeurs aberrantes et anomalies.