Kiểm tra tỷ lệ gian lận so với không gian lận
Trong chương này, bạn sẽ làm việc với creditcard_sampledata.csv, một tập dữ liệu chứa thông tin giao dịch thẻ tín dụng. Rất may là các giao dịch gian lận chiếm tỷ lệ cực kỳ nhỏ trong tập này.
Tuy nhiên, các thuật toán Machine Learning thường hoạt động tốt nhất khi các lớp trong tập dữ liệu xuất hiện tương đối cân bằng. Nếu số trường hợp gian lận quá ít, sẽ có rất ít dữ liệu để học cách nhận diện chúng. Điều này được gọi là mất cân bằng lớp (class imbalance) và là một trong những thách thức chính của phát hiện gian lận.
Hãy khám phá tập dữ liệu này và quan sát vấn đề mất cân bằng lớp.
Bài tập này là một phần của khóa học
Phát hiện gian lận với Python
Hướng dẫn bài tập
- Import
pandasvới bí danhpd, đọc dữ liệu thẻ tín dụng và gán vàodf. Việc này đã được thực hiện sẵn cho bạn. - Dùng
.info()để in thông tin vềdf. - Dùng
.value_counts()để lấy số lượng giao dịch gian lận và không gian lận trong cột'Class'. Gán kết quả vàoocc. - Tính tỷ lệ giao dịch gian lận trên tổng số giao dịch trong tập dữ liệu.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Import pandas and read csv
import pandas as pd
df = pd.read_csv("creditcard_data.csv")
# Explore the features available in your dataframe
print(df.____)
# Count the occurrences of fraud and no fraud and print them
occ = df['____'].____()
print(occ)
# Print the ratio of fraud cases
print(occ / ____)