File size: 2,856 Bytes
97c227b
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
---

language: pt
tags:
- scikit-learn
- tabular-classification
- fraud-detection
- educational
---


# Credit Card Fraud Detection — Logistic Regression

Este modelo foi desenvolvido para estudo de **Machine Learning Engineering** a partir do
[dataset público ULB/Kaggle](https://www.kaggle.com/datasets/mlg-ulb/creditcardfraud).
NÃO é um sistema financeiro validado para uso real.

## Finalidade e limitações

- **Uso previsto:** benchmark e demonstração educacional de identificação de eventos raros.
- **Não indicado:** bloqueio de cartões, decisões financeiras ou inferência em dados de outra instituição.
- `V1` a `V28` são componentes anonimizadas; `Time` mede tempo relativo (segundos); `Amount` não informa moeda.
- O `risk_score` retornado por `predict_proba` **não é probabilidade de fraude calibrada**.
- O classificador foi treinado em dados históricos e não foi validado prospectivamente.
- Não redistribuímos o CSV original. Consulte as condições de uso da fonte para uso ou redistribuição de derivados.

## Método

- Divisão cronológica aproximada 60% treino / 20% validação / 20% teste.
- Seleção do modelo por PR-AUC na validação; limiar escolhido por F1 na validação.
- Conjunto de teste utilizado apenas para a avaliação final.
- Duplicatas auditadas, mas não removidas automaticamente.

## Avaliação no teste (modelo selecionado)

| Métrica | Resultado |
|---|---:|
| PR-AUC (Average Precision) | 0.7436 |
| Precision | 0.9434 |
| Recall | 0.6667 |
| F1 | 0.7812 |
| Verdadeiros positivos (TP) | 50 |
| Falsos positivos (FP) | 3 |
| Falsos negativos (FN) | 25 |
| Verdadeiros negativos (TN) | 56884 |
| Limiar fixado na validação | 0.999986 |

A contagem de fraudes na base de teste foi **75**.
Os valores refletem somente este benchmark. Não há garantias de generalização.

## Entrada, saída e compatibilidade

A entrada é um registro com **30 variáveis** numéricas na ordem:
`Time, V1, V2, ..., V28, Amount`. Um JSON sintético está em `example_input.json`.
O artefato é um dicionário com `pipeline`, `threshold` e `features`.
Saída: score entre 0 e 1 e classe 1 caso `score >= threshold`.

**Segurança:** `fraud_model.joblib` usa serialização Python/pickle; carregue apenas artefatos confiáveis.
Evite abrir modelos desconhecidos. Reproduza as versões de dependências do ambiente de treino;
`scikit-learn` registrado: **1.9.1**.

## Reprodutibilidade

Código-fonte: [GitHub](https://github.com/GuiMM27/Dashboard-Pessoal-Analise-de-Dados-Fraude-).
Para reproduzir a análise, obtenha o dataset diretamente no Kaggle e execute os scripts
`python -m src.train` e `python -m src.diagnostics` no repositório.

Checksum SHA-256 do modelo: `ae41702531a66236a35a7209001f5747748788943016f42e2823b9ad72c34a4c`