fraud-detector-v1

Modelo de classificação binária para detecção de transações fraudulentas. Desenvolvido como parte do curso de Ciência de Dados e IA (MLOps) da PUC-SP.

Uso

from huggingface_hub import hf_hub_download
import joblib

model = joblib.load(hf_hub_download("YgorReis/fraud-detector-v1", "model.pkl"))
# Exemplo de input na ordem exata do treino: 
# valor_transacao, hora_transacao, distancia_ultima_compra, tentativas_senha, pais_diferente
features = [[250.0, 14, 12.5, 1, 0]]
prediction = model.predict(features)

Features de entrada

Feature	Tipo	Descrição
valor_transacao	float	Valor da transação em reais
hora_transacao	int	Hora do dia (0-23)
distancia_ultima_compra	float	Distância geográfica em km
tentativas_senha	int	Tentativas de senha antes da transação
pais_diferente	int	1 se país diferente do cadastro

Métricas (test set, 20% dos dados)

• Precision (fraude): 1.00
• Recall (fraude): 1.00
• F1 (fraude): 1.00

Dependências

• scikit-learn
• joblib
• numpy

Limitações

Modelo treinado com dados sintéticos criados com regras absolutas, o que gerou métricas de 100% de acerto. Totalmente irrealista para cenários verdadeiros. Não deve ser usado em produção sem retreinamento com dados que possuam ruído e sobreposição de classes.