nanuq 0.2.0

Boîte à outils Machine Learning réutilisable (chargement, EDA, preprocessing, modélisation, interprétation, persistence).

Boîte à outils Machine Learning réutilisable
Accélère l'exploration, la préparation, la modélisation et la mise en production des projets de Data Science.

---

Installation

pip install nanuq

Ou avec uv :

uv pip install nanuq

Démarrage rapide

import nanuq

# 1. Charger et explorer
df = nanuq.load_csv("data.csv")
nanuq.dataset_overview(df)

# 2. Analyser les liens avec la cible
ranking = nanuq.rank_features_by_target_association(df, target="churn")

# 3. Entraîner et évaluer un modèle
from sklearn.ensemble import GradientBoostingClassifier
model = GradientBoostingClassifier().fit(X_train, y_train)
nanuq.evaluate_classifier(model, X_train, y_train, X_test, y_test)

# 4. Sauvegarder pour la production
meta = nanuq.build_metadata(model, X_train.columns.tolist(), threshold=0.29)
nanuq.save_artifacts(model, meta, "artifacts/")

# 5. Recharger et prédire avec un seuil custom
model, meta = nanuq.load_artifacts("artifacts/")
preds = nanuq.predict_with_threshold(
    model, X_new, threshold=meta["threshold"], feature_order=meta["feature_order"]
)

Philosophie

• Réutilisable : pensé pour être installé comme une lib et servir sur plusieurs projets.
• Comparatif : quand plusieurs méthodes existent pour une même action (imputation, scaling, gestion du déséquilibre, etc.), le toolkit propose les fonctions atomiques et un comparateur qui les met en regard.
• Pédagogique : code documenté, docstrings systématiques, exemples inclus.
• Pas de magie : pas d'effets de bord, pas de modification en place des DataFrames.

Modules

Module	Contenu
loading	Lecture CSV / Excel / JSON / Parquet / SQL
exploration	Vue d'ensemble du dataset, types de colonnes
cleaning	Imputation des NaN (mean, median, mode) + rapports
outliers	Détection Z-score / IQR + comparateur
encoding	One-Hot, Label, Ordinal, binaire + comparateur
scaling	MinMax, Standard + comparateur
transformations	Log, sqrt, Box-Cox, quantile, power
feature_engineering	Polynomial features, interactions, discrétisation
balancing	class_weight, SMOTE, undersampling
bivariate	Chi², Mann-Whitney, corrélations Pearson/Spearman
models	Modèles linéaires, arbres, boostés
evaluation	Métriques, CV stratifiée, courbe précision-rappel, seuil optimal
interpretation	SHAP, Permutation Importance, feature importance native
persistence	Sauvegarde/chargement de modèles pour la production
plots	Visualisations (boxplots, matrices de confusion, importances)
reporting	Génération de rapports EDA

Mise en production avec persistence

Le module persistence industrialise la sauvegarde des modèles selon les bonnes pratiques : séparation du modèle binaire (model.joblib) et des métadonnées lisibles (metadata.json), avec vérification d'intégrité par hash SHA256.

from nanuq import build_metadata, save_artifacts, load_artifacts, predict_with_threshold

# Sauvegarde : deux fichiers séparés
meta = build_metadata(model, X.columns.tolist(), threshold=0.286,
                      metrics={"auc": 0.83, "f1": 0.54})
save_artifacts(model, meta, "artifacts/")

# Chargement + inférence avec seuil personnalisé
model, meta = load_artifacts("artifacts/")  # vérifie le hash automatiquement
preds = predict_with_threshold(model, X_new, threshold=meta["threshold"],
                               feature_order=meta["feature_order"])

Avantage de la séparation : le seuil de décision peut être ajusté dans metadata.json sans réentraîner ni toucher au modèle.

Développement

# Installer en mode editable avec les outils de dev
uv pip install -e ".[dev]"

# Lancer les tests
pytest

# Vérifier le style
ruff check src/ tests/

Licence

MIT — (c) 2026 Olivier Gruwe

---

nanuq signifie « ours polaire » en inuktitut.