CommencezCommencez gratuitement

Explorer des billets de banque

Vous allez vous exercer à créer des modèles de classification avec Keras à l'aide du jeu de données Banknote Authentication.

Votre objectif est de distinguer les vrais billets des faux. Pour y arriver, le jeu de données propose 4 caractéristiques : variance, skewness, kurtosis et entropy. Ces caractéristiques sont calculées en appliquant des opérations mathématiques aux images des billets. Les étiquettes se trouvent dans la colonne class du DataFrame.

Un DataFrame pandas nommé banknotes est prêt à être utilisé. Explorons les données!

Cette activité fait partie du cours

Introduction à Deep Learning avec Keras

Voir le cours

Instructions de l’exercice

  • Importez seaborn sous le nom sns.
  • Utilisez pairplot() de seaborn sur banknotes et définissez hue avec le nom de la colonne qui contient les étiquettes.
  • Générez des statistiques descriptives pour les données d'authentification des billets.
  • Comptez le nombre d'observations par étiquette avec .value_counts().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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[____].____)
Modifier et exécuter le code