SBK250/Advanced-Fraud-Detection-ML
GitHub: SBK250/Advanced-Fraud-Detection-ML
利用机器学习构建端到端流水线来检测金融交易中的欺诈行为，覆盖数据处理、特征工程与多模型评估全流程。
Stars: 0 | Forks: 0
# 使用机器学习进行高级金融交易欺诈检测
## 团队成员
| 姓名 | 角色 |
|------|------|
| Sai Baba Kancherla (团队负责人) | 建模、项目集成与展示 |
| Chandu Pallam | 数据收集、业务理解与展示 |
| Sree Haran Chidambaram | 数据清洗、探索性数据分析与展示 |
| Sree Vardhan | 特征工程、数据预处理与展示 |
| Sreenith Raju | 模型评估、文档编写与展示 |
## 项目概述
金融欺诈是银行和金融机构面临的最大挑战之一。本项目旨在开发一个端到端的机器学习 pipeline，利用预测分析技术来检测欺诈性金融交易。
## 目标
- 理解交易欺诈模式
- 执行探索性数据分析
- 进行有意义的特征工程
- 训练多个机器学习模型
- 比较模型性能
- 评估业务影响
## 数据集
金融交易欺诈检测数据集
## 技术栈
- Python
- Pandas
- NumPy
- Matplotlib
- Scikit-learn
- XGBoost
- Jupyter Notebook
- Git & GitHub
## 仓库结构
(仓库树状图)
## 时间线
7月20日 - 团队组建
7月21日 - 主题确定
7月22日 - 数据集选择
7月23日 - GitHub 仓库建立
7月24日 - 任务分配
7月25日起 - 开发阶段
标签：Apex, NoSQL, Python, Scikit-learn, XGBoost, 代码示例, 数据分析, 无后门, 机器学习, 欺诈检测, 逆向工具, 金融风控