Kom igångKom igång gratis

Utforska dollarsedlar

Du kommer att öva på att bygga klassificeringsmodeller i Keras med datamängden Banknote Authentication.

Målet är att skilja äkta dollarsedlar från falska. För att göra detta innehåller datamängden 4 särdrag: variance, skewness, kurtosis och entropy. Dessa särdrag beräknas genom att tillämpa matematiska operationer på bilder av dollarsedlar. Etiketterna finns i DataFramens kolumn class.

En pandas DataFrame med namnet banknotes är redo att använda – låt oss börja utforska datan!

Den här övningen är en del av kursen

Introduktion till djupinlärning med Keras

Visa kurs

Övningsinstruktioner

  • Importera seaborn som sns.
  • Använd seaborns pairplot() på banknotes och sätt hue till namnet på kolumnen som innehåller etiketterna.
  • Generera beskrivande statistik för autentiseringsdatan för sedlar.
  • Räkna antalet observationer per etikett med .value_counts().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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[____].____)
Redigera och kör kod