Zacznij terazZacznij za darmo

Eksploracja banknotów dolarowych

Przećwiczysz budowanie modeli klasyfikacji w Keras na zbiorze danych Banknote Authentication.

Twoim celem jest odróżnienie prawdziwych banknotów dolarowych od fałszywych. Zbiór danych zawiera 4 cechy: variance, skewness, kurtosis oraz entropy. Cechy te są obliczane na podstawie operacji matematycznych wykonywanych na obrazach banknotów. Etykiety znajdują się w kolumnie class ramki danych.

Ramka danych pandas o nazwie banknotes jest gotowa do użycia – czas na eksplorację danych!

To ćwiczenie jest częścią kursu

Wprowadzenie do uczenia głębokiego z Keras

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj seaborn jako sns.
  • Użyj funkcji pairplot() z biblioteki seaborn na zbiorze banknotes i ustaw parametr hue na nazwę kolumny zawierającej etykiety.
  • Wygeneruj statystyki opisowe dla danych dotyczących uwierzytelniania banknotów.
  • Policz liczbę obserwacji dla każdej etykiety za pomocą .value_counts().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import seaborn
import ____ as ____

# Use pairplot and set the hue to be our class column
sns.____(____, hue=____) 

# Show the plot
plt.show()

# Describe the data
print('Dataset stats: \n', banknotes.____)

# Count the number of observations per class
print('Observations per class: \n', banknotes[____].____)
Edytuj i uruchom kod