Histogram med differentiell integritet
I den här övningen arbetar du med datasetet Heart Failure Prediction enligt metoden för differentiell integritet. Du genererar och analyserar privata och icke-privata histogram och jämför dem.
Du fokuserar på histogram från variabeln age i datasetet. Även om du kan komma åt den orörda DataFrame:n i konsolen, skulle du i verkligheten inte dela den utan att lägga till slumpmässigt brus beräknat med differentiell integritet enligt den globala metoden.
DataFrame:n är inläst som heart_df och den Series som innehåller värdena från age är lagrad som ages. tools från diffprivlib är redan importerat.
Den här övningen är en del av kursen
Dataintegritet och anonymisering i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Get counts and bars for non-private histogram of ages
counts, bins = ____
# Normalize counts to get proportions
proportions = ____
# Draw the histogram of proportions
plt.bar(____[: - 1], height=____, width=(bins[1] - bins[0]))
plt.show()