Detecção de Fraudes em Cartões de Crédito usando Machine Learning

📊 Visão Geral do Projeto

Este projeto implementa um sistema avançado de detecção de fraudes em cartões de crédito utilizando técnicas de machine learning. O sistema analisa transações e identifica padrões suspeitos que possam indicar atividades fraudulentas.

👥 Equipe

• Gustavo Rossi
• Bruno Trevizan
• Yuji Kiyota

🛠️ Bibliotecas Utilizadas

• pandas: Manipulação e análise de dados
• numpy: Operações numéricas
• scikit-learn: Algoritmos de ML e pré-processamento
• imbalanced-learn: Tratamento de dados desbalanceados
• colorama: Saída colorida no console
• tabulate: Formatação de tabelas no console

🔧 Instalação

pip install pandas numpy scikit-learn imbalanced-learn colorama tabulate

Funcionalidades Principais

Carregamento e Pré-processamento de Dados
    Carrega dados do arquivo CSV
    Cria novas features
    Trata valores ausentes

Engenharia de Features
    Seleção das melhores features usando SelectKBest
    Balanceamento de dados com SMOTETomek

Treinamento de Modelos
    Random Forest
    Regressão Logística
    Gradient Boosting
    SVM
    Ensemble (Voting Classifier)

Otimização de Hiperparâmetros
    Utiliza GridSearchCV para cada modelo

Avaliação de Modelos
    Métricas: Acurácia, Matriz de Confusão, AUC-ROC, Relatório de Classificação

Ajuste de Limiar
    Otimiza o limiar de classificação para melhorar o desempenho

Análise de Erros
    Examina as características das previsões incorretas

💻 Como Usar

Clone o repositório:

git clone https://github.com/seu-usuario/deteccao-fraude-cartao.git

📊 Resultados

O script exibirá resultados detalhados para cada modelo, incluindo:

Acurácia
Matriz de Confusão
AUC-ROC
Relatório de Classificação

🔍 Análise de Erros

O sistema realiza uma análise detalhada dos erros de classificação, fornecendo insights sobre as características das transações mal classificadas.