Explorer vos données
Dans les prochains exercices, vous allez examiner des données de transactions de paiement bancaires. Les opérations financières sont classées par type de dépense et par montant dépensé. Vous disposez aussi de certaines caractéristiques des clientes et clients, comme le groupe d'âge et le genre. Certaines transactions sont étiquetées comme frauduleuses; vous prendrez ces étiquettes telles quelles et les utiliserez pour valider les résultats.
Quand vous utilisez des techniques d'apprentissage non supervisé pour la détection de fraude, l'objectif est de distinguer le comportement normal de l'anormal (donc potentiellement frauduleux). Comme analyste de la fraude, pour comprendre ce qui est « normal », vous devez bien connaître les données et leurs caractéristiques. Explorons-les dans ce premier exercice.
Cette activité fait partie du cours
Détection de fraude en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Get the dataframe shape
df.____
# Display the first 5 rows
df.____