فكرة المشروع:
قمت بتطوير نظام ذكي لكشف عمليات الاحتيال في بطاقات الائتمان باستخدام تقنيات Machine Learning، حيث يعتمد على تحليل أنماط العمليات البنكية واستخراج الفروق الدقيقة بين العمليات السليمة وعمليات الاحتيال. يهدف المشروع إلى التنبؤ الفوري بأي عملية بنكية مشبوهة بناءً على الأنماط المستخلصة من ملايين العمليات السابقة، مما يساهم في حماية العملاء وتقليل الخسائر المالية الناجمة عن الاحتيال.
مراحل التنفيذ:
1. معالجة وتنظيف البيانات
تحميل الداتا التي تحتوي على 284,807 عملية بنكية.
التحقق من القيم الناقصة والسجلات المكررة وإزالتها.
تجهيز البيانات لتكون مناسبة لعمليات التحليل والتدريب.
2. التحليل الاستكشافي (EDA)
تحليل توزيع العمليات السليمة مقابل عمليات الاحتيال.
دراسة توزيع المبالغ والأوقات في كلا النوعين.
استخراج أهم الخصائص المرتبطة بعمليات الاحتيال.
3. Feature Engineering
تطبيع الـ Amount والـ Time باستخدام StandardScaler.
معالجة مشكلة Imbalanced Data باستخدام SMOTE لتوليد عينات اصطناعية من عمليات الاحتيال وتوازن البيانات.
4. بناء النماذج وتدريبها
تم تدريب ومقارنة عدة نماذج من تعلم الآلة لاختيار النموذج الأكثر كفاءة:
Logistic Regression
Random Forest
XGBoost
5. تقييم الأداء
تم تقييم النماذج باستخدام:
Precision, Recall, F1-Score
ROC-AUC Curve
Precision-Recall Curve
Confusion Matrix
حقق نموذج XGBoost أفضل أداء بمعدل ROC-AUC تجاوز 0.98.
6. التنبؤ النهائي
يقوم النظام بفحص أي عملية بنكية جديدة وحساب احتمالية كونها احتيالاً، ثم إصدار حكم فوري سليمة أم احتيال بناءً على أفضل نموذج تم تدريبه.
