Deine Daten erkunden
In den nächsten Übungen schaust du dir Zahlungstransaktionsdaten einer Bank an. Die Finanztransaktionen sind nach Ausgabenart sowie nach dem ausgegebenen Betrag kategorisiert. Außerdem stehen dir einige Kundenmerkmale wie Altersgruppe und Geschlecht zur Verfügung. Einige Transaktionen sind als Betrug gekennzeichnet; diese Labels betrachtest du als gegeben und nutzt sie zur Validierung der Ergebnisse.
Beim Einsatz von unüberwachten Lernverfahren zur Betrugserkennung möchtest du Normales von Anormalem (also potenziell betrügerischem) Verhalten unterscheiden. Damit du als Fraud Analyst verstehst, was „normal“ ist, brauchst du ein gutes Verständnis der Daten und ihrer Eigenschaften. Lass uns die Daten in dieser ersten Übung erkunden.
Diese Übung ist Teil des Kurses
Betrugserkennung mit Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Get the dataframe shape
df.____
# Display the first 5 rows
df.____