maaz2005-tech/Credit-Card-Fraud-Detection-using-ML

# 💳 基于机器学习的信用卡欺诈检测 一个机器学习项目，基于交易特征预测金融交易是**欺诈**还是**合法**的。 该项目包含完整的探索性数据分析 (EDA)、数据预处理、特征工程、模型训练、模型序列化以及使用 **Streamlit** 进行的部署。 ## 📌 功能 - 探索性数据分析 (EDA) - 数据清洗 - 特征工程 - 数据可视化 - 机器学习模型训练 - 使用 Pickle 进行模型序列化 - 交互式 Streamlit Web 应用 - 实时欺诈预测 ## 📂 项目结构 ``` fraud-detection/ │ ├── analysis_model.ipynb # EDA, preprocessing, visualization, model building ├── fraud_detection_pipeline.pkl # Trained ML Pipeline ├── AIML Dataset.csv # Dataset ├── main.py # Streamlit Application ├── requirements.txt ├── README.md └── .gitignore ``` ## 📊 数据集 本项目使用的数据集太大，无法托管在 GitHub 上。 请从 Kaggle 下载： 🔗 https://www.kaggle.com/datasets/amanalisiddiqui/fraud-detection-dataset 下载完成后： 1. 解压 ZIP 文件。 2. 将数据集 (`AIML Dataset.csv`) 复制到项目根目录中。 3. 您的项目结构应如下所示： ``` fraud-detection/ │── analysis_model.ipynb │── fraud_detection_pipeline.pkl │── main.py │── AIML Dataset.csv │── requirements.txt │── README.md ``` 现在安装依赖并运行应用程序： ``` pip install -r requirements.txt streamlit run main.py ``` # 🛠️ 使用的技术 - Python - Pandas - NumPy - Scikit-learn - Matplotlib - Seaborn - Streamlit - Pickle # ⚙️ 机器学习 Pipeline 完整的 pipeline 包括： - 数据清洗 - 处理缺失值 - 特征编码 - 特征缩放 - 特征工程 - 模型训练 - 模型评估 - Pipeline 序列化 (.pkl) # 📈 探索性数据分析 该 notebook 包含： - 类别分布 - 相关性热力图 - 特征分布 - 异常值检测 - 缺失值分析 - 欺诈与合法交易对比 # 🧠 模型工作流 数据集 ↓ EDA ↓ 预处理 ↓ 特征工程 ↓ 模型训练 ↓ 模型评估 ↓ Pickle Pipeline ↓ Streamlit 部署 # ▶️ 安装说明 克隆仓库 ``` git clone https://github.com/maaz2005-tech/Credit-Card-Fraud-Detection-using-ML ``` 进入项目目录 ``` cd fraud-detection ``` 安装依赖 ``` pip install -r requirements.txt ``` 运行 Streamlit 应用程序 ``` streamlit run main.py ``` # 📊 模型预测 训练好的 pipeline 会根据用户提供的交易详情预测： - ✅ 合法交易 - 🚨 欺诈交易 # 📷 截图 ``` screenshots/ 1.png 2.png ``` # 📚 未来改进 - 超参数调优 - XGBoost 与 LightGBM 模型 - 使用 SHAP 的可解释 AI - Docker 部署 - 云部署 (Render / Streamlit Cloud) - 模型监控 # 👨‍💻 作者 **Maaz Zaki** B.Tech CSE (Data Science) Machine Learning | Data Science | Java DSA 始终致力于学习和构建实用的 AI 项目。 ## ⭐ 支持 如果您觉得这个项目有用，请不要忘记 **为这个仓库点亮 Star ⭐**。

标签：Apex, Kubernetes, Python, Scikit-learn, Streamlit, 无后门, 机器学习, 欺诈检测, 特征工程, 访问控制, 逆向工具