Eksploracja danych
W kolejnych ćwiczeniach przyjrzysz się bankowym danym o transakcjach płatniczych. Transakcje finansowe są podzielone według rodzaju wydatku oraz kwoty. Dostępne są też informacje o klientach, takie jak grupa wiekowa i płeć. Część transakcji jest oznaczona jako oszustwo – potraktujesz te etykiety jako dane i użyjesz ich do weryfikacji wyników.
Stosując techniki uczenia nienadzorowanego do wykrywania oszustw, chcesz odróżnić normalne zachowanie od nieprawidłowego (a więc potencjalnie fraudowego). Jako analityk ds. oszustw musisz dobrze rozumieć dane i ich charakterystykę, aby wiedzieć, co oznacza „norma". Zacznijmy od eksploracji danych w tym pierwszym ćwiczeniu.
To ćwiczenie jest częścią kursu
Wykrywanie oszustw w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Get the dataframe shape
df.____
# Display the first 5 rows
df.____