Differentiellt privata klustringsmodeller

Dataintegritet och anonymisering i Python

Rebeca Gonzalez

Data engineer

Jämföra modeller

Bild som visar 3 kluster i data efter klustring med icke-privat k-means

Bild som visar 3 kluster i data efter klustring med privat k-means

Jämföra modellerna

Bild som visar skillnaden mellan de två klustringsresultaten, markerade som rosa punkter

Skillnad mellan modellernas resulterande kluster
De har majoriteten av resultaten gemensamt

Bygga differentiellt privata klustringsmodeller

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)

Förbättra DP-klustringsmodeller

Data kan förbehandlas innan klustring.
Särdragsskalning som StandardScaler och dimensionsreduktion som PCA.
- Minskar modellens tröghet
- Ger mer exakta segmenteringsgrupper
Detta görs med diffprivlib precis som med sklearn-modeller.

Förbättra DP-klustringsmodeller

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)

Förbättra DP-klustringsmodeller

Bild som visar två resulterande punktdiagram med klustren

Förbättra DP-klustringsmodeller

Bild som visar skillnaden mellan de två klustringsresultaten, markerade som rosa punkter

Förbättrade resultat med datatransformationer

Armbågsmetoden

Bild av det resulterande diagrammet efter att armbågsmetoden tillämpats på data

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

Bild som visar två resulterande punktdiagram med klustren

Nu kör vi en övning!

Dataintegritet och anonymisering i Python