LoslegenKostenlos starten

Dollar-Scheine erkunden

Du übst das Erstellen von Klassifikationsmodellen in Keras mit dem Datensatz Banknote Authentication.

Dein Ziel ist es, echte von gefälschten Dollar-Scheinen zu unterscheiden. Dafür enthält der Datensatz 4 Merkmale: variance, skewness, kurtosis und entropy. Diese Features werden berechnet, indem auf die Bilder der Dollar-Scheine mathematische Operationen angewendet werden. Die Labels findest du in der Spalte class des DataFrames.

Ein pandas-DataFrame namens banknotes ist vorbereitet – legen wir mit der Datenerkundung los!

Diese Übung ist Teil des Kurses

<Kurs>Einstieg ins Deep Learning mit Keras</Kurs>
Kurs ansehen

Übungsanweisungen

  • Importiere seaborn als sns.
  • Verwende pairplot() von seaborn auf banknotes und setze hue auf den Namen der Spalte, die die Labels enthält.
  • Erzeuge beschreibende Statistiken für die Banknoten-Authentifizierungsdaten.
  • Zähle die Anzahl der Beobachtungen pro Label mit .value_counts().

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Import seaborn
import ____ as ____

# Use pairplot and set the hue to be our class column
sns.____(____, hue=____) 

# Show the plot
plt.show()

# Describe the data
print('Dataset stats: \n', banknotes.____)

# Count the number of observations per class
print('Observations per class: \n', banknotes[____].____)
Code bearbeiten und ausführen