Esplorare i tuoi dati
Nei prossimi esercizi esaminerai dati di transazioni di pagamento bancarie. Le transazioni finanziarie sono categorizzate per tipo di spesa e per importo speso. Inoltre, hai a disposizione alcune caratteristiche del cliente, come fascia d’età e genere. Alcune transazioni sono etichettate come frode; considererai queste etichette come date e le userai per validare i risultati.
Quando usi tecniche di apprendimento non supervisionato per il rilevamento delle frodi, vuoi distinguere il comportamento normale da quello anomalo (quindi potenzialmente fraudolento). Come analista delle frodi, per capire cosa è “normale” devi avere una buona comprensione dei dati e delle loro caratteristiche. Esploriamo i dati in questo primo esercizio.
Questo esercizio fa parte del corso
Rilevamento delle frodi in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Get the dataframe shape
df.____
# Display the first 5 rows
df.____