🛡️ Credit Card Fraud Detection

détection de fraudes bancaires sur 284,807 transactions avec 3 modèles ML optimisés.

🎯 Résultats Finaux

Le pipeline a optimisé les modèles pour maximiser le F1-Score, garantissant un équilibre entre détection et précision.

• XGBoost (Champion) : 84.88% de F1-Score
  • Précision : 94.81% | Rappel (Recall) : 76.84% | Seuil : 0.91
• Random Forest : 79.10% de F1-Score
  • Précision : 85.37% | Rappel (Recall) : 73.68% | Seuil : 0.71
• Logistic Regression : 39.48% de F1-Score (Seuil : 0.95)

🚀 Quick Start

1. Cloner le repo git clone && cd fraud-detection

2. Installer les dépendances pip install -r requirements.txt

3. Télécharger le dataset Option A : Kaggle CLI kaggle datasets download -d mlg-ulb/creditcardfraud unzip creditcardfraud.zip -d data/raw/

Option B : Téléchargement manuel -> kaggle.com/mlg-ulb/creditcardfraud -> Placer creditcard.csv dans data/raw/

4. Lancer le pipeline complet python main.py

5. Tester les prédictions python predict.py

📊 Dataset

• Source : Kaggle - Credit Card Fraud Detection
• Transactions : 284,807
• Fraudes : 492 (0.173%)
• Features : V1-V28 (PCA), Time, Amount
• Déséquilibre : 577:1 (légitime:fraude)

🧠 Optimisations Stratégiques

• Seuils sur mesure : Recherche par grille (0.05 à 0.95) pour éviter les seuils extrêmes et assurer la stabilité opérationnelle.
• Traitement de l'imbalance : Application de SMOTE et ajustement du scale_pos_weight pour XGBoost.
• Robustesse : Pipeline entièrement automatisé du nettoyage (RobustScaler, Log Transform) jusqu'à l'évaluation finale.

🛡️ Bonnes Pratiques Appliquées

• ✅ SMOTE appliqué uniquement sur le train set (pas de data leakage)
• ✅ Stratified split et stratified cross-validation
• ✅ Threshold optimisé (pas le 0.5 par défaut)
• ✅ Métriques adaptées au déséquilibre (F1, PR-AUC > Accuracy)
• ✅ Overfitting monitoring (CV ≈ Test scores)
• ✅ Configuration centralisée (config.py)
• ✅ Code modulaire et documenté
• ✅ Reproductibilité (random_state=42)

📈 Visualisations Générées

10 plots haute qualité dans outputs/ :

1. Distribution des classes
2. Matrice de corrélation
3. Distribution Amount
4. Distribution Time
5. Confusion matrices
6. ROC curves
7. Precision-Recall curves
8. Feature importance
9. Threshold tuning
10. Comparaison des modèles

🛠️ Stack Technique

• Python 3.10+
• pandas / numpy : manipulation de données
• scikit-learn : ML pipeline, métriques, preprocessing
• XGBoost : gradient boosting
• imbalanced-learn : SMOTE
• matplotlib / seaborn : visualisations
• joblib : sérialisation des modèles