Credit Card Fraud Detection — Logistic Regression
Este modelo foi desenvolvido para estudo de Machine Learning Engineering a partir do dataset público ULB/Kaggle. 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.
V1aV28são componentes anonimizadas;Timemede tempo relativo (segundos);Amountnão informa moeda.- O
risk_scoreretornado porpredict_probanão 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.
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