Détection de Fraude à la Carte de Crédit

Détection de Fraude dans les Transactions par Carte de Crédit

Le but de ce problème est d'identifier les transactions frauduleuses par carte de crédit à partir d'un ensemble de données réel et anonyme. Le problème reflète un scénario du monde réel, où les données sont fortement déséquilibrées et les transactions frauduleuses sont rares.

L'ensemble de données

Le projet utilise deux fichiers CSV :

• train.csv - l'ensemble de données pour l'entraînement
• test.csv - l'ensemble de données pour le test

Note : La colonne Class est disponible uniquement dans train.csv.

Observation importante : L'ensemble de données est sévèrement déséquilibré, donc l'accuracy n'est pas la métrique pertinente pour l'évaluation des modèles de classification.

Sous-tâches

Sous-tâche 1 - Analyse statistique des transactions (10 points)

Déterminez combien de transactions frauduleuses ont un Amount supérieur à la moyenne de l' Amount des transactions légitimes.

La réponse est un nombre entier.

Sous-tâche 2 - Distance de Mahalanobis (10 points)

Évaluez à quel point les transactions frauduleuses sont « anormales » en utilisant la distance de Mahalanobis, qui prend en compte toutes les variables numériques simultanément (Amount + V1-V28).

Étapes suggérées :

1. Sélectionnez toutes les transactions frauduleuses (Class = 1) de train.csv.
2. Calculez le vecteur moyen et la matrice de covariance des colonnes numériques.
3. Calculez la distance de Mahalanobis pour chaque transaction.
4. Rapportez la moyenne des distances de Mahalanobis, arrondie à 2 décimales.

Sous-tâche 3 - Détection de la fraude (80 points)

Pour chaque transaction de test.csv, prédisez l'étiquette de fraude :

• 1 = fraude
• 0 = transaction légitime

Métrique principale : F1-score sur la classe 1.

Format du fichier de soumission

Le fichier de soumission doit être au format CSV avec les colonnes suivantes :

Règles :

• Sous-tâche 1 et Sous-tâche 2 : datapointID = 1 (une seule réponse).
• Sous-tâche 3 : une prédiction pour chaque transaction de test.csv, avec datapointID = la valeur de la colonne id.

Exemple :

1subtaskID,datapointID,answer21,1,4232,1,0.2743,227846,153,227847,063,227848,0

Note : La résolution de ce problème ne nécessite pas l'utilisation d'architectures de type Transformer.