https://github.com/aubainmbk/detection-des-fraudes-bancaires-avec-un-modele-supervise
J'ai conçu et optimisé des requêtes SQL avancées pour extraire et transformer les données bancaires, tout en mettant en place un pipeline complet de Machine Learning intégrant le prétraitement, l'ingénierie des features et l'entraînement d'un modèle robuste pour la détection de fraudes.
https://github.com/aubainmbk/detection-des-fraudes-bancaires-avec-un-modele-supervise
dataanalysis jupyter-notebook machine-learning-algorithms mysql python sql
Last synced: 4 months ago
JSON representation
J'ai conçu et optimisé des requêtes SQL avancées pour extraire et transformer les données bancaires, tout en mettant en place un pipeline complet de Machine Learning intégrant le prétraitement, l'ingénierie des features et l'entraînement d'un modèle robuste pour la détection de fraudes.
- Host: GitHub
- URL: https://github.com/aubainmbk/detection-des-fraudes-bancaires-avec-un-modele-supervise
- Owner: AubainMbk
- Created: 2025-02-20T11:42:08.000Z (4 months ago)
- Default Branch: main
- Last Pushed: 2025-02-28T15:20:31.000Z (4 months ago)
- Last Synced: 2025-02-28T20:01:56.623Z (4 months ago)
- Topics: dataanalysis, jupyter-notebook, machine-learning-algorithms, mysql, python, sql
- Language: Jupyter Notebook
- Homepage:
- Size: 34.2 KB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Détection des Fraudes Bancaires avec un modèle supervisé (Python, SQL, Machine Learning, Finance)
## 📌Objectif : Construire un modèle de détection de fraude sur les transactions bancaires.
# 📌 Rapport
## **1️⃣ Introduction**
La fraude bancaire est un enjeu majeur dans le domaine financier, nécessitant des méthodes avancées pour identifier les transactions suspectes. L’objectif de ce projet est de développer un modèle de **Machine Learning** permettant de détecter les transactions frauduleuses en exploitant les données transactionnelles et les informations clients.
---
## **2️⃣ Acquisition et Prétraitement des Données**
### **2.1 Connexion à la Base de Données MySQL**
Nous avons extrait les données depuis une base **MySQL** contenant les transactions bancaires et les informations des clients.
📌 **Requête SQL utilisée :**
```sql
SELECT
t.transaction_id, t.compte_id, t.montant, t.date_transaction, t.type_transaction,
t.lieu, t.fraude, c.client_id, c.nom, c.prénom, c.âge, c.sexe, c.pays, c.revenu_annuel
FROM Transactions t
JOIN Comptes co ON t.compte_id = co.compte_id
JOIN Clients c ON co.client_id = c.client_id
WHERE t.date_transaction BETWEEN '2024-01-01' AND '2024-12-31';
```
📌 **Données récupérées :**
- Montant de la transaction
- Type de transaction (Achat, Retrait, etc.)
- Lieu de la transaction
- Date et heure
- Informations client (âge, sexe, pays, revenu annuel)
- Étiquette de fraude (0 = normal, 1 = fraude)
---
### **2.2 Prétraitement et Feature Engineering**
🔹 **Transformation des données** :
- **Encodage des variables catégorielles** (type de transaction, lieu, sexe) avec `LabelEncoder`.
- **Ajout de nouvelles features** :
- `jour_semaine` → Jour de la semaine de la transaction.
- `montant_relatif` → Montant par rapport au revenu annuel du client.
- `log_montant` → Logarithme du montant pour réduire l’effet des valeurs extrêmes.
---
## **3️⃣ Entraînement du Modèle de Machine Learning**
Nous avons utilisé **Random Forest**, un modèle puissant pour la classification, et appliqué **SMOTE** pour équilibrer la classe minoritaire (fraudes).
📌 **Pipeline d’entraînement :**
1. **Séparation des données** en `X_train, X_test, y_train, y_test`.
2. **Standardisation** des variables numériques avec `StandardScaler`.
3. **Sur-échantillonnage** de la classe minoritaire avec `SMOTE`.
4. **Entraînement du modèle** `RandomForestClassifier(n_estimators=100)`.
📌 **Évaluation du modèle :**
- **Matrice de confusion** → Très bonnes performances sur les données de test.
- **Taux de détection des fraudes élevé** ✅.
- **Quelques cas non détectés** → Problème d’encodage des nouvelles valeurs non vues pendant l’entraînement.
---
## **4️⃣ Tests et Cas d’Utilisation**
Nous avons testé le modèle sur plusieurs transactions :
### **4.1 Transactions suspectes (frauduleuses) détectées** ✅
| Montant | Type | Lieu | Âge | Revenu annuel | Détection |
|---------|------|------|----|--------------|-----------|
| 8,000,000,000 € | Retrait | New York | 25 | 10,000 € | ✅ FRAUDE |
| 50,000 € | Achat en ligne | Dubaï | 19 | 8,000 € | ✅ FRAUDE |
| 100,000 € | Virement | Russie | 45 | 15,000 € | ✅ FRAUDE |
### **4.2 Transactions normales (non frauduleuses)** ✅
| Montant | Type | Lieu | Âge | Revenu annuel | Détection |
|---------|------|------|----|--------------|-----------|
| 50 € | Achat | Paris | 35 | 40,000 € | ✅ NORMAL |
| 200 € | Restaurant | Lyon | 28 | 35,000 € | ✅ NORMAL |
| 1,000 € | Virement | France | 45 | 50,000 € | ✅ NORMAL |
---
## **5️⃣ Problèmes rencontrés et Corrections apportées**
🔴 **Problème 1 : Valeurs inconnues dans l’encodage (`LabelEncoder`)**
- **Symptôme** : `ValueError: y contains previously unseen labels` (ex: "Dubaï", "Achat en ligne").
- **Solution** : Utilisation de `handle_unknown='ignore'` avec `OneHotEncoder` pour gérer les nouvelles valeurs.
🔴 **Problème 2 : Erreur de Feature Matching**
- **Symptôme** : `The feature names should match those that were passed during fit`.
- **Solution** : Assurer que les features d’entraînement et de test sont identiques.
🔴 **Problème 3 : SMOTE et valeurs manquantes (`NaN`)**
- **Symptôme** : `ValueError: Input X contains NaN.`
- **Solution** : Ajout d’un **imputer** pour remplacer les valeurs manquantes.
---
## **6️⃣ Conclusion et Recommandations**
✅ **Objectif atteint** : Notre modèle **Random Forest** détecte efficacement les fraudes, avec une **sensibilité élevée**.
✅ **Le modèle fonctionne bien** en production locale avec des tests unitaires sur plusieurs cas.
📌 **Recommandations pour aller plus loin** :
1. **Déploiement de l’API avec Flask** → Permet d’intégrer notre modèle dans une application web.
2. **Utilisation d’un modèle plus avancé (XGBoost, LightGBM)** pour améliorer la précision.
3. **Collecte de plus de données** pour renforcer la robustesse du modèle.
4. **Surveillance en temps réel** avec un **système d’alerte** en cas de fraude détectée.
---
# **📢 Prochaine étape : Déploiement de l’API 🚀**
Le prochain objectif sera de **déployer notre modèle via une API Flask** et d’intégrer une interface web pour tester les transactions en temps réel.