Je data verkennen
In de volgende oefeningen kijk je naar betalings-transactiedata van een bank. De financiële transacties zijn ingedeeld naar type uitgave en het bestede bedrag. Daarnaast zijn enkele klantkenmerken beschikbaar, zoals leeftijdsgroep en geslacht. Een deel van de transacties is gelabeld als fraude; je neemt deze labels als gegeven en gebruikt ze om de resultaten te valideren.
Bij het gebruik van unsupervised learning voor fraudedetectie wil je normaal van abnormaal (dus mogelijk frauduleus) gedrag onderscheiden. Om als fraude-analist te begrijpen wat “normaal” is, moet je de data en de kenmerken goed kennen. Laten we de data in deze eerste oefening verkennen.
Deze oefening maakt deel uit van de cursus
Fraudedetectie in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Get the dataframe shape
df.____
# Display the first 5 rows
df.____