# 🛡️ Mô hình Phát hiện Gian lận Thẻ Tín dụng (Imbalanced Classification)

## 📝 Mô tả
Đây là mô hình nhị phân được huấn luyện để phát hiện gian lận trong giao dịch thẻ tín dụng, sử dụng tập dữ liệu từ Kaggle Credit Card Fraud Detection. Mô hình được xây dựng bằng Keras và xử lý vấn đề dữ liệu mất cân bằng nghiêm trọng (chỉ 0.18% giao dịch là gian lận).
keras.io

## 📌 Nhiệm vụ

Loại bài toán: Phân loại nhị phân (gian lận / không gian lận)
Dữ liệu đầu vào: Dữ liệu dạng bảng với 30 đặc trưng đã được PCA hóa
Dữ liệu đầu ra: Xác suất giao dịch là gian lận

## 📥 Đầu vào

Shape: [batch_size, 30]
Kiểu dữ liệu: np.ndarray hoặc tf.Tensor
Chuẩn hóa: Dữ liệu đầu vào cần được chuẩn hóa tương tự như trong quá trình huấn luyện

## 📤 Đầu ra

Shape: [batch_size, 1]
Ý nghĩa: Xác suất giao dịch là gian lận (giá trị từ 0 đến 1)

🛠 Yêu cầu thư viện
Cài đặt các thư viện cần thiết bằng:

```bash
pip install tensorflow numpy
```

## 🧪 Cách sử dụng mô hình
Dưới đây là ví dụ về cách sử dụng mô hình:

```python
import numpy as np
import tensorflow as tf
from huggingface_hub import from_pretrained_keras

# Tải mô hình từ Hugging Face Hub
model = from_pretrained_keras("zhaospei/Model_4")
model.summary()

# Tạo dữ liệu đầu vào mẫu (giá trị ngẫu nhiên)
x_input = np.random.normal(size=(1, 30)).astype("float32")

# Dự đoán với mô hình
prediction = model.predict(x_input)
print(f"Xác suất gian lận: {pred.flatten()[0][0]:.4f}")
```