สำรวจข้อมูลของคุณ
ในแบบฝึกหัดถัดไป จะได้ทำงานกับข้อมูลธุรกรรมการชำระเงินของธนาคาร ธุรกรรมทางการเงินเหล่านี้จัดหมวดหมู่ตามประเภทค่าใช้จ่ายและจำนวนเงินที่ใช้ไป นอกจากนี้ยังมีข้อมูลลักษณะของลูกค้า เช่น กลุ่มอายุและเพศ ธุรกรรมบางส่วนถูกระบุว่าเป็นการฉ้อโกง ซึ่งจะใช้ป้ายกำกับเหล่านี้ตามที่กำหนดไว้เพื่อตรวจสอบผลลัพธ์
เมื่อใช้เทคนิค unsupervised learning สำหรับการตรวจจับการฉ้อโกง เป้าหมายคือการแยกแยะพฤติกรรมปกติออกจากพฤติกรรมผิดปกติ (ซึ่งอาจเป็นการฉ้อโกง) ในฐานะนักวิเคราะห์การฉ้อโกง การเข้าใจว่าอะไรคือ "พฤติกรรมปกติ" นั้น จำเป็นต้องมีความเข้าใจที่ดีเกี่ยวกับข้อมูลและลักษณะเฉพาะของมัน มาสำรวจข้อมูลในแบบฝึกหัดแรกนี้กัน
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การตรวจจับการฉ้อโกงด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Get the dataframe shape
df.____
# Display the first 5 rows
df.____