शुरू करेंमुफ़्त में शुरू करें

सैलरी का पूर्वानुमान

इस अभ्यास में, आप census income डेटासेट का उपयोग करेंगे ताकि यह भविष्यवाणी कर सकें कि व्यक्तियों की सैलरी $50K/year से अधिक है या नहीं।

ध्यान रखें कि प्राइवेट मॉडल बनाते समय आपको बाउंड्स एक पैरामीटर के रूप में निर्दिष्ट करने चाहिए, ताकि अतिरिक्त प्राइवेसी लॉस या जानकारी लीक न हो। आम तौर पर, आप बाउंड्स को डेटा से स्वतंत्र रूप से चुन सकते हैं—डोमेन नॉलेज के आधार पर या DP हिस्टोग्राम से खोज कर।

डेटासेट लोड कर दिया गया है और X_train, y_train, X_test, और y_test में विभाजित है। क्लासिफायर dp_GaussianNB के रूप में उपलब्ध है।

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में डेटा प्राइवेसी और अज्ञातिकरण

पाठ्यक्रम देखें

अभ्यास निर्देश

  • मॉडल के बाउंड्स सेट करें: ट्रेनिंग डेटा में min और max मान निकालें, और हमारी 5 कॉलम वाली डेटा तालिका के लिए 5 से 40 की रेंज के रैंडम नंबर घटाकर/जोड़कर रैंडम नॉइज़ मिलाएँ।
  • 0.5 epsilon और ऊपर बनाए गए बाउंड्स के साथ एक dp_GaussianNB क्लासिफायर बनाइए।
  • मॉडल को डेटा पर फिट कीजिए और स्कोर देखिए।

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Set the min and max of bounds for the data and add noise using random
bounds = (X_train.____(axis=0) - random.____(range(5, 40), 5), 
          ____)

# Built the classifier with epsilon of 0.5
dp_clf = ____(epsilon=____, bounds=____)

# Fit the model to the data and print the score
____
print("The accuracy of the differentially private model is ",
       dp_clf.score(X_test, y_test))
कोड संपादित करें और चलाएँ