ฮิสโตแกรมด้วย Differential Privacy
ในแบบฝึกหัดนี้ คุณจะเข้าถึงชุดข้อมูล Heart Failure Prediction โดยใช้แนวทาง differential privacy จากนั้นจะสร้างและวิเคราะห์ฮิสโตแกรมแบบมีความเป็นส่วนตัวและแบบไม่มี แล้วนำมาเปรียบเทียบกัน
จะเน้นที่ฮิสโตแกรมจากตัวแปร age ในชุดข้อมูล แม้ว่าจะสามารถเข้าถึง DataFrame ที่สมบูรณ์ได้ในคอนโซล แต่ในสถานการณ์จริง เราจะไม่เผยแพร่ข้อมูลโดยไม่เพิ่ม noise แบบสุ่มตามวิธี differential privacy แบบ global approach
โหลด DataFrame ไว้เป็น heart_df ส่วน Series ที่เก็บค่าจาก age ไว้เป็น ages และได้ import tools จาก diffprivlib ไว้แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ความเป็นส่วนตัวของข้อมูลและการทำให้ข้อมูลไม่ระบุตัวตนด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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()