Kümeleme için veri kümeleri oluşturma

Sentetik veriler tamamen yasal olup dünya genelindeki gizlilik yasa ve düzenlemelerinin tüm gerekliliklerini karşılar. Ham veriye gizlilik odaklı geçerli bir alternatiftir. make_blobs() fonksiyonu, Gauss (veya normal) dağılıma sahip veri noktaları üretmek için kullanılabilir.

Bu egzersizde 15000 örnekten oluşan bir veri kümesi oluşturacaksın.

numpy zaten np olarak içe aktarıldı ve bu egzersiz için özel plot_data_points() fonksiyonu tekrar sağlandı.

Bu egzersiz

Python ile Veri Gizliliği ve Anonimleştirme

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Kümeleme veri setleri üretmek için datasets modülünden ilgili fonksiyonu içe aktar.
2 özellik, 2 merkez ve 3 küme standart sapması ile 15000 örnekten oluşan bir veri kümesi üret.
Ortaya çıkan üretilmiş verinin şeklini yazdır.
Ortaya çıkan veri noktalarını iki boyutlu bir saçılım grafiğinde incele.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Import the function from the datasets module for generating clustering datasets
from sklearn.datasets import ____

# Generate a dataset with 15000 rows, 2 features, 2 centers, and a cluster std of 3
x, labels = ____

# Print the shape of the resulting generated data
print(____)

# See the resulting data points in a 2 dimensional scatter plot
plot_data_points(x, labels)

Kodu Düzenle ve Çalıştır

Bu egzersiz

Python ile Veri Gizliliği ve Anonimleştirme

kursunun bir parçasıdır

AvançadoNível de habilidade

4.9+

Kursa Ücretsiz Başlayın

Get ready to apply anonymization techniques such as data suppression, masking, synthetic data generation, and generalization. In this chapter, you’ll learn how to distinguish between sensitive and non-sensitive personally identifiable information (PII), quasi-identifiers, and the basics of the GDPR. You'll also encounter real-life examples of what can go wrong if you don't follow these best practices.

Exercise 1: What's private, and why do we care?Exercise 2: Privacy is power Exercise 3: Is it sensitive or non-sensitive?Exercise 4: Suppression of sensitive attributes Exercise 5: Data masking and data generation with Faker Exercise 6: Masking sensitive PII Exercise 7: Removing names with faker Exercise 8: Anonymizing with data generalization Exercise 9: Reducing identification risk with generalization Exercise 10: Data aggregation and data generalization Exercise 11: Top and bottom coding White House salaries

Discover how to anonymize data by sampling from datasets following the probability distribution of the columns. You’ll then learn how to apply the k-anonymity privacy model to prevent linkage or re-identification attacks and use hierarchies to perform data generalization in categorical variables.

Exercise 1: Anonymizing categorical data Exercise 2: Explore the distribution of data Exercise 3: Sampling from the same probability distribution Exercise 4: Anonymizing continuous data Exercise 5: Different distributions Exercise 6: Sampling from the best continuous distribution Exercise 7: Introduction to K-anonymity Exercise 8: Privacy attributes Exercise 9: Generalizing into ranges Exercise 10: Generalizing data using hierarchies Exercise 11: Using hierarchies for categorical data Exercise 12: K-anonymizing a dataset

Learn about differential privacy, the model used by major technology companies such as Apple, Google, and Uber. In this chapter, you’ll explore data by generating private histograms and computing private averages in data. You’ll also create differentially private machine learning models that allow businesses to increase the utility of their data.

Exercise 1: Introduction to differential privacy Exercise 2: Epsilon (ϵ): the magic number Exercise 3: Histograms with differential privacy Exercise 4: Privacy budgets Exercise 5: Using privacy budgets Exercise 6: When no budget is left Exercise 7: Exploring data with a privacy budget accountant Exercise 8: Differentially private machine learning models Exercise 9: Build a differentially private classifier Exercise 10: Predicting salaries Exercise 11: Differentially private clustering models Exercise 12: Pre-processing data Exercise 13: Segmenting customers

In this final chapter, you’ll learn how to apply dimensionality reduction methods such as principal component analysis (PCA) to anonymize large multi-column datasets. You’ll then use Faker to generate realistic and consistent datasets, and scikit-learn to create synthetic datasets that follow a normal distribution. Lastly, you’ll tie everything you learned in this course together as you combine multiple techniques to safely release datasets to the public.

Exercise 1: Anonimleştirme için PCA Exercise 2: Yüksek boyutlu verilerin anonimleştirilmesi Exercise 3: PCA ile veri maskeleme Exercise 4: Faker ile gerçekçi veri kümeleri oluşturma Exercise 5: Tutarlı sentetik veri kümesi Exercise 6: Aynı olasılıksal dağılıma sahip veri kümeleri Exercise 7: scikit-learn kullanarak sentetik veri kümeleri oluşturma Exercise 8: Sınıflandırma için veri kümeleri oluşturma Exercise 9: Kümeleme için veri kümeleri oluşturma

Geçerli Egzersiz

Exercise 10: Veri kümelerini güvenle kamuya aç Exercise 11: Bir veri kümesini keşfetme ve takma adlandırma Exercise 12: Verilerin güvenli yayımlanması için çalışan verilerini hazırlama Exercise 13: Harika iş!