💳 BDAI-Fin

Financial Transaction Fraud Detection

본 프로젝트는 금융 결제(Transaction) 데이터를 기반으로
사기 거래(Fraud Transaction)를 탐지하는 데이터 사이언스 프로젝트입니다.

극심한 클래스 불균형과 시간 누수(Temporal Leakage) 문제를 핵심 난제로 삼아,
실무 환경에 가까운 EDA · Feature Engineering · Modeling 파이프라인 구축을 목표로 합니다.

---

📌 Project Overview

항목	내용
프로젝트 성격	금융 결제 Fraud Detection
분석 단위	Transaction (거래 단위)
핵심 난이도	극심한 클래스 불균형, 시간 누수
활용 분야	금융 데이터 분석, 이상 거래 탐지
프로젝트 목적	실무형 데이터 사이언스 역량 강화

---

📂 Repository Structure

bdai-fin/
├── README.md                   # 프로젝트 전체 설명
│
├── data/
│   └── DATA_DESCRIPTION.md     # 데이터 구조 및 컬럼 설명
│
├── notebooks/
│   ├── EDA/                    # 탐색적 데이터 분석 노트북
│   └── modeling/               # 모델링 및 평가 노트북
│
├── src/                        # 전처리 / 피처 엔지니어링 / 모델 코드
└── reports/                    # 분석 결과, 시각화, 정리 문서

---

📊 Dataset

본 프로젝트는 Kaggle에서 제공하는 실제 금융 거래 기반 Fraud Detection 데이터셋을 사용합니다.

🔗 Original Dataset (Kaggle)

https://www.kaggle.com/datasets/computingvictor/transactions-fraud-datasets

⚠️ **GitHub 파일 크기 제한(25MB)**으로 인해 원본 데이터(CSV/JSON)는 본 레포지토리에 포함되어 있지 않습니다.

데이터 구조 및 컬럼 설명은 아래 문서에 정리되어 있습니다.

📘 Data Description → data/DATA_DESCRIPTION.md

---

📥 Data Setup

1. Kaggle 링크에서 데이터셋 다운로드
2. 로컬 환경에서 데이터 로드
3. 노트북 실행 시 로컬 경로에 맞게 불러오기

데이터 파일명 및 컬럼 구조는 data/DATA_DESCRIPTION.md를 기준으로 합니다.

---

🧠 Key Challenges

1️⃣ Extreme Class Imbalance

• Fraud 거래 비율이 극히 낮음
• Accuracy 중심 평가는 부적절
• Recall / Precision / PR-AUC 중심 평가 필요

2️⃣ Temporal Leakage

• 거래 시점 이후 정보 사용 금지
• 시간 순서를 고려한 Split 및 Feature 설계 필수

---

🔍 Analysis & Modeling Flow

1. EDA

   • 거래 금액, 빈도, 시간 패턴 분석
   • Fraud vs Non-Fraud 비교 분석

2. Feature Engineering

   • 고객 / 카드 / 거래 단위 파생 변수 생성
   • 시간 기반 Feature (Recency, Frequency 등)

3. Modeling

   • Baseline: Logistic Regression
   • Tree-based Models (RandomForest, XGBoost 등)

4. Evaluation

   • PR-AUC, Recall 중심 성능 비교
   • Threshold 기반 해석

---

🛠️ Tech Stack

• Language: Python
• Libraries: pandas, numpy, scikit-learn
• Environment: Jupyter Notebook

---

👥 Team Members

• 김나경
• 김채현
• 김형준
• 정준우

각 팀원의 개별 실험 및 분석 내용은 각자 이름의 repository에서 관리합니다.

---

📌 Notes

• 본 프로젝트는 교육 및 학습 목적으로 진행됩니다.
• 데이터의 출처 및 라이선스는 Kaggle 원본을 따릅니다.

---

🚀 Future Work

• 클래스 불균형 처리 고도화
• 거래 시퀀스 기반 Feature 확장
• 실시간 Fraud Detection 시뮬레이션