--- 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`