Explorando seus dados
Nos próximos exercícios, você vai analisar dados de transações de pagamento de um banco. As transações financeiras são categorizadas por tipo de despesa, além do valor gasto. Além disso, você tem algumas características dos clientes, como faixa etária e gênero. Algumas das transações estão rotuladas como fraude; você vai considerar esses rótulos como corretos e usá-los para validar os resultados.
Ao usar técnicas de aprendizado não supervisionado para detecção de fraude, você quer diferenciar o normal do anormal (e, portanto, potencialmente fraudulento). Como analista de fraude, para entender o que é "normal", você precisa ter uma boa compreensão dos dados e de suas características. Vamos explorar os dados neste primeiro exercício.
Este exercício faz parte do curso
Detecção de Fraudes em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Get the dataframe shape
df.____
# Display the first 5 rows
df.____