Modele klastrowania z dyferencjalną prywatnością

Prywatność danych i anonimizacja w Pythonie

Rebeca Gonzalez

Data engineer

Porównanie modeli

Obraz przedstawiający 3 klastry po zastosowaniu nieprywanego k-means

Obraz przedstawiający 3 klastry po zastosowaniu prywatnego k-means

Porównanie modeli

Obraz pokazujący różnicę między wynikami klastrowania jako różowe punkty

Różnica między klastrami obu modeli
Większość wyników jest wspólna

Budowanie modeli klastrowania z DP

from diffprivlib.models import KMeans


# Computing the clusters with the DP model
model = KMeans(epsilon=1, n_clusters=3)


# Run the model and obtain clusters
clusters = model.fit_predict(X)

Ulepszanie modeli klastrowania DP

Dane można wstępnie przetworzyć przed klastrowaniem.
Skalowanie cech, np. StandardScaler, oraz redukcja wymiarowości, np. PCA.
- Aby zmniejszyć inercję modelu
- Uzyskać dokładniejsze grupy segmentacji
Używamy diffprivlib tak samo jak modeli sklearn.

Ulepszanie modeli klastrowania DP

from sklearn.decomposition import PCA


# Initialize PCA
pca = PCA()


# Fit transform data with PCA
X = pca.fit_transform(X)


# Computing the clusters with the DP model
model = dp_Kmeans(epsilon=1, n_clusters=3)


# Run the model and obtain clusters
clusters = model.fit_predict(X)

Ulepszanie modeli klastrowania DP

Obraz przedstawiający dwa wykresy punktowe z klastrami

Ulepszanie modeli klastrowania DP

Obraz pokazujący różnicę między wynikami klastrowania jako różowe punkty

Lepsze wyniki dzięki transformacjom danych

Metoda łokcia

Obraz wynikowego wykresu po zastosowaniu metody łokcia na danych

Epsilon

from diffprivlib.models import KMeans as model


# Computing the clusters with the DP model
model = dp_Kmeans(epsilon=0.2, n_clusters=3)


# Run the model and obtain clusters
clusters = model.fit_predict(X)

Epsilon

Obraz przedstawiający dwa wykresy punktowe z klastrami

Czas na ćwiczenia!

Prywatność danych i anonimizacja w Pythonie