始める無料で始める

PCA によるデータマスキング

疑似匿名化のための PCA は企業で広く使われています。Kaggle でも、PCA で変換済みのデータが提供されているコンペやデータセットが多数あります。

PCA の差分プライバシー対応版は、diffprivlib の models モジュールにも含まれています。これは sklearn の PCA クラスをベースにしており、前章で見たように epsilon や最小・最大値の境界を指定するオプション引数が追加されています。

この演習では、すでに players として読み込まれている NBA Salaries データセットに対して、PCA を使ったデータマスキングを行います。

この演習はコースの一部です

Pythonで学ぶデータプライバシーと匿名化

コースを見る

演習の手順

  • sklearn から PCA をインポートします。
  • コンポーネント数が列数と同じになるように PCA() を初期化します。
  • pca を players に適用します。
  • 得られたデータセットを確認します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Import PCA from Scikit-learn
____

# Initialize PCA with number of components to be the same as the number of columns
pca = ____

# Apply PCA to the data
players_pca = ____

# Print the resulting dataset
print(pd.DataFrame(players_pca))
コードを編集して実行