통계를 활용해 정상 행동 정의하기
이전 연습 문제에서 사기가 특정 거래 범주에서 더 자주 발생한다는 점은 확인했지만, 예를 들어 연령대처럼 데이터를 명확히 세분화할 방법은 보이지 않았어요. 이번에는 정상 거래와 사기 거래에서의 평균 지출 금액을 살펴보겠습니다. 이를 통해 사기 거래가 정상 거래와 구조적으로 어떻게 다른지 가늠할 수 있어요.
이 연습은 강의의 일부입니다
Python으로 배우는 사기 탐지
연습 안내
- 사기와 비사기 관측치에서 각각 두 개의 새로운 데이터프레임을 만드세요.
df에서.loc으로 데이터를 선택하고, 새 데이터프레임을 만들 때 조건으로 "fraud가 1인 경우"와 "fraud가 0인 경우"를 지정하세요. - 새로 만든 데이터프레임들의
amount열을 히스토그램으로 그리세요. 각 플롯의 레이블은 각각fraud와nonfraud로 지정하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Create two dataframes with fraud and non-fraud data
df_fraud = df.____[df.____ == ____]
df_non_fraud = df.____[df.____ == ____]
# Plot histograms of the amounts in fraud and non-fraud data
plt.hist(____.____, alpha=0.5, label='____')
plt.hist(____.____, alpha=0.5, label='____')
plt.legend()
plt.show()