Anonymizace spojitých dat

Ochrana soukromí a anonymizace dat v Pythonu

Rebeca Gonzalez

Instructor

Spojité proměnné

  • věk
  • výška
  • váha
  • teplota
  • datum a čas
Ochrana soukromí a anonymizace dat v Pythonu

Spojité proměnné

# See the dataset
hr.head()

    Age    BusinessTravel        Department                EducationField    EmployeeNumber
0    41    Travel_Rarely         Sales                     Life Sciences     1
1    49    Travel_Frequently     Research & Development    Life Sciences     2
2    37    Travel_Rarely         Research & Development    Other             4
3    33    Travel_Frequently     Research & Development    Life Sciences     5
4    27    Travel_Rarely         Research & Development    Medical           7
Ochrana soukromí a anonymizace dat v Pythonu

Spojitá rozdělení

Použijte nejvhodnější spojité rozdělení pro daná data.

  • Vytvořte histogram
  • Zkuste spojité funkce a přizpůsobte je histogramu.
  • Zachovejte funkci s nejmenší chybou vůči histogramu.
Ochrana soukromí a anonymizace dat v Pythonu

Spojité rozdělení

Graf rozdělení proměnné Age

Ochrana soukromí a anonymizace dat v Pythonu

Použití rozdělení

import scipy.stats


# Fit the genlogistic distribution to the continuous variable Age
params = scipy.stats.genlogistic.fit(hr['Age'])


# See the parameters of the continuous functions
print(params)

(4.9899067653418285, 22.32808853181744, 7.046590524738551)
Ochrana soukromí a anonymizace dat v Pythonu

Vzorkování ze spojitého rozdělení

# Sample from the genlogistic distribution
df['Age'] = scipy.stats.genlogistic.rvs(size=len(df.index), *params)


# See the resulting dataset
df['Age'].head()

     Age          BusinessTravel     Department                EducationField    EmployeeNumber
0    40.767259    Travel_Rarely      Sales                     Life Sciences     1
1    45.730504    Travel_Frequently  Research & Development    Life Sciences     2
2    41.910050    Travel_Rarely      Research & Development    Other             4
3    35.275320    Travel_Frequently  Research & Development    Life Sciences     5
4    40.198134    Travel_Rarely      Research & Development    Medical           7
Ochrana soukromí a anonymizace dat v Pythonu

Vzorkování ze spojitého rozdělení

# Round the values to obtain discrete values
df['Age'] = df['Age'].round()

     Age   BusinessTravel     Department                EducationField    EmployeeNumber
0    41    Travel_Rarely      Sales                     Life Sciences     1
1    46    Travel_Frequently  Research & Development    Life Sciences     2
2    42    Travel_Rarely      Research & Development    Other             4
3    35    Travel_Frequently  Research & Development    Life Sciences     5
4    40    Travel_Rarely      Research & Development    Medical           7
Ochrana soukromí a anonymizace dat v Pythonu

Pojďme si procvičit!

Ochrana soukromí a anonymizace dat v Pythonu

Preparing Video For Download...