Detecção de Fraudes em Transações de E-commerce

Sobre o Projeto

Este projeto faz parte do Módulo V do curso de Data Science da escola Ada Tech, em colaboração com o projeto Santander Coders. O objetivo é desenvolver um modelo de machine learning capaz de identificar transações fraudulentas em uma plataforma de e-commerce, utilizando um dataset sintético disponível no Kaggle. Este projeto aborda desde a análise exploratória dos dados até a modelagem preditiva, otimização de hiperparâmetros e validação dos modelos.

Descrição do Dataset

O dataset "Fraudulent E-Commerce Transactions" é sintético, gerado utilizando a biblioteca Faker do Python, e simulando padrões realistas de transações e cenários fraudulentos. Contém 1.472.952 transações na versão 1 e 23.634 na versão 2, com aproximadamente 5% das transações classificadas como fraudulentas.

Características do Dataset

• Transaction ID: Identificador único para cada transação.
• Customer ID: Identificador único para cada cliente.
• Transaction Amount: Valor total da transação.
• Transaction Date: Data e hora da transação.
• Payment Method, Product Category, Quantity: Detalhes do método de pagamento, categoria do produto e quantidade envolvida.
• Customer Age, Location, Device Used, IP Address: Informações demográficas e técnicas sobre o cliente.
• Shipping Address, Billing Address: Endereços de envio e de cobrança.
• Is Fraudulent: Indicador binário de fraude.
• Account Age Days, Transaction Hour: Idade da conta e hora da transação.

Metodologia

Análise Exploratória de Dados

Realizamos uma análise exploratória para entender as distribuições das variáveis, identificar outliers e verificar padrões e correlações nos dados.

Pré-Processamento de Dados

Inclui limpeza de dados, tratamento de valores ausentes, codificação de variáveis categóricas e normalização.

Modelagem e Avaliação

Utilizamos dois estimadores principais: Random Forest e AdaBoost. O desempenho dos modelos foi avaliado com base em métricas como precisão, recall e F1-score, com especial atenção ao recall de transações fraudulentas devido à natureza crítica das mesmas.

Otimização de Hiperparâmetros

Aplicamos técnicas como Grid Search e Random Search para encontrar a melhor configuração de hiperparâmetros para os modelos.

Resultados e Discussão

Os modelos mostraram um desempenho promissor, mas ainda insuficiente para um lançamento em produção, principalmente devido a baixa precisão e recall abaixo de 90% para transações fraudulentas. Isso indica a necessidade de coleta de mais dados e possivelmente explorar outras técnicas de modelagem ou balanceamento de dados.

Conclusões

O projeto demonstrou a complexidade da detecção de fraudes em transações de e-commerce e destacou a importância de um modelo bem ajustado e de um dataset equilibrado. Recomendamos a continuação da pesquisa com uma coleta de dados mais abrangente e o teste de novos modelos e técnicas de balanceamento.

Como Executar

1. Clone o repositório:

   git clone [URL do Repositório]
   

2. Instale as dependências:

   pip install -r requirements.txt
   

3. Execute o Jupyter Notebook:

   jupyter notebook
   

Contato

Para dúvidas ou sugestões, por favor, entre em contato com algum dos membros do grupo:

• Laura
• Guilherme Araujo
• Guilherme Almeida
• Carlos Eduardo
• Luiz Henrique

Professor: Tiago Marto

---

Agradecemos a atenção e o interesse pelo nosso projeto!

Este README é completo e cobre todas as seções essenciais para descrever detalhadamente o projeto, incluindo contexto, metodologia, resultados, conclusões e instruções para execução, tornando-o uma excelente adição ao seu portfólio.