Ce projet implémente un système de détection de fraude bancaire capable de :
- Analyser 210,000 transactions bancaires (2016-2018)
- Détecter les fraudes avec un taux de ~0.15% (classe très déséquilibrée)
- Généraliser à de nouveaux clients jamais vus pendant l'entraînement
- Produire un fichier de soumission pour le hackathon
Challenge unique : Les clients qui ont commis des fraudes dans l'ensemble d'entraînement sont différents de ceux de l'ensemble d'évaluation. Le modèle doit donc apprendre des patterns de fraude généraux plutôt que de mémoriser des clients spécifiques.
Built With
- ainsi
- application
- creer
- de
- des
- detection
- fraudes
- imbalanced-learn-(smote)
- interactive
- lightgbm
- matplotlib
- numpy
- pandas
- pour
- que
- resultats
- scikit-learn
- seaborn-pour-l'analyse-de-donnees-et-le-machine-learning
- streamlit
- une
- visualisation
- web
- xgboost
Log in or sign up for Devpost to join the conversation.