Projeto para detecção de transações fraudulentas em cartões de crédito utilizando modelos de classificação com a biblioteca scikit-learn.
-
Bibliotecas
- pandas
- seaborn
- matplotlib
- numpy
- sklearn
- imblearn
- scikitplot
-
Pacotes
- StandardScaler
(sklearn.preprocessing)
- train_test_split
(sklearn.model_selection)
- RandomUnderSampler
(imblearn.under_sampling)
- LogisticRegression
(sklearn.linear_model)
- DecisionTreeClassifier
(sklearn.tree)
- confusion_matrix
(sklearn.metrics)
- classification_report
(sklearn.metrics)
- roc_auc_score
(sklearn.metrics)
- roc_curve
(sklearn.metrics)
- accuracy_score
(sklearn.metrics)
- recall_score
(sklearn.metrics)
- StandardScaler
- Fraude com Cartão de Crédito (procononline.com.br)
- Brasil teve alta de quase 33% nas tentativas de fraude com cartão de crédito no 1° semestre, mostra estudo (infomoney.com.br)
- Credit Card Fraud Detection | Kaggle
- 3.2 - Identifying Outliers: IQR Method | STAT 200 (psu.edu)
- Como lidar com dados desbalanceados em problemas de classificação | by Arthur Lamblet Vaz | Data Hackers | Medium
- Diferença entre classificação e regressão na aprendizagem de máquinas (icrowdnewswire.com)
- Como lidar com dados desbalanceados? | Sigmoidal
- Classification: ROC Curve and AUC | Machine Learning Crash Course (google.com)