https://github.com/sorna-fast/fraud-detection
Predicting transaction fraud using classification problems such as Guardian Boosting as well as user interfaces using Streamlite, Accuracy: 98% AUC-ROC
https://github.com/sorna-fast/fraud-detection
adaboostclassifier eda gradientboostingclassifier imblearn lgbmclassifier matplotlib-pyplot numpy pandas-dataframe pickle-file plotly-express randomforestclassifier scipy-stats seaborn-plots sklearn-library streamlit-webapp xgbclassifier
Last synced: 14 days ago
JSON representation
Predicting transaction fraud using classification problems such as Guardian Boosting as well as user interfaces using Streamlite, Accuracy: 98% AUC-ROC
- Host: GitHub
- URL: https://github.com/sorna-fast/fraud-detection
- Owner: sorna-fast
- License: apache-2.0
- Created: 2025-05-16T22:28:59.000Z (12 months ago)
- Default Branch: master
- Last Pushed: 2025-10-18T01:21:15.000Z (7 months ago)
- Last Synced: 2025-10-19T01:08:24.833Z (7 months ago)
- Topics: adaboostclassifier, eda, gradientboostingclassifier, imblearn, lgbmclassifier, matplotlib-pyplot, numpy, pandas-dataframe, pickle-file, plotly-express, randomforestclassifier, scipy-stats, seaborn-plots, sklearn-library, streamlit-webapp, xgbclassifier
- Language: Jupyter Notebook
- Homepage:
- Size: 5.02 MB
- Stars: 3
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# Project introduction in English
# Financial Fraud Detection System - Technical Documentation
## Table of Contents
- [Project Overview](#project-overview)
- [Key Features](#key-features)
- [Installation & Setup](#installation--setup)
- [Project Structure](#project-structure)
- [Running the Application](#running-the-application)
- [Technical Documentation](#technical-documentation)
- [Requirements](#requirements)
- [License](#license)
---
## Project Overview
This system uses the **Gradient Boosting Algorithm** to detect fraudulent financial transactions with high accuracy. The project covers the complete pipeline from data analysis to UI implementation, including a Streamlit-based interface for real-time processing and result visualization.
---
## Key Features
- 🕵️ Exploratory Data Analysis (EDA) with 7+ professional visualizations
- 🚀 Model with 98% AUC-ROC accuracy
- 📊 Web-based UI using Streamlit
- 🔄 Real-time data processing capability
- 📈 Comprehensive documentation
---
## Installation & Setup
### Prerequisites
- Python 3.9+
- pip
### Installation Steps:
```bash
git clone https://github.com/sorna-fast/fraud-detection.git
cd fraud-detection
pip install -r requirements.txt
```
---
## Project Structure
```
fraud-detection/
├── apps/ # Core application code
│ ├── src/ # Processing modules
│ └── data/ # Data processing & splitting
├── model/ # Trained model
│ └── gb_classifier.pkl
├── notebooks/ # Data analysis notebooks
│ ├── Fraud_Detection_EDA_Model_Training_FA.ipynb (Persian comments)
│ └── Fraud_Detection_EDA_Model_Training_EN.ipynb (English comments)
├── visualizations/ # Visualization outputs
│ ├── confusion_matrix_test.png
│ └── roc_curve.png
...
├── .gitignore
├── app.py # Application entry point
├── README.md
└── requirements.txt
```
---
## Running the Application
To launch the web interface:
```bash
streamlit run app.py
```
---
## Technical Documentation
### 1. Dataset
- **File Name:** `fraud_dataset_mod.csv`
- **Key Characteristics:**
- 17 numerical & categorical features
- 50,001 records
- Balanced using RandomUnderSampler
### 2. Model
- **Algorithm:** Gradient Boosting Classifier + RandomUnderSampler
- **Accuracy:** 98% AUC-ROC
- **Input:** 12 processed features
- **Output:** Fraud probability (0-1)
### 3. Visualizations
| File Name | Description |
|----------|---------|
| `categorical_distribution.png` | Categorical feature distribution |
| `numeric_features_boxplot.png` | Outlier analysis |
---
## Requirements
Full requirements list available in [`requirements.txt`](requirements.txt)
---
## License
This project is licensed under the [MIT](LICENSE) License.
---
👋 We hope you find this project useful! 🚀
## 👨💻 Author
**Masoud Ghasemi**
- **GitHub**: [sorna-fast](https://github.com/sorna-fast)
- **Email**: [masudpythongit@gmail.com](mailto:masudpythongit@gmail.com)
- **linkedin**: [masoud-ghasemi](https://www.linkedin.com/in/masoud-ghasemi-748412381)
- **Telegram**: [@Masoud_Ghasemi_sorna_fast](https://t.me/Masoud_Ghasemi_sorna_fast)
---
# Project introduction in Persian
# سیستم تشخیص تقلب در تراکنشهای مالی - مستندات فنی
## فهرست مطالب
- [معرفی پروژه](#معرفی-پروژه)
- [ویژگیهای کلیدی](#ویژگیهای-کلیدی)
- [نصب و راهاندازی](#نصب-و-راهاندازی)
- [ساختار پروژه](#ساختار-پروژه)
- [اجرای برنامه](#اجرای-برنامه)
- [مستندات فنی](#مستندات-فنی)
- [لیست نیازمندیها](#لیست-نیازمندیها)
- [مجوز](#مجوز)
## معرفی پروژه
این سیستم با استفاده از **الگوریتم Gradient Boosting** قادر به تشخیص تراکنشهای مالی تقلبی با دقت بالا است. پروژه شامل مراحل کامل از تحلیل داده تا پیادهسازی رابط کاربری میباشد و از محیط کاربری استریملیت برای نمایش نتایج و پردازش دادههای جدید استفاده میکند.
## ویژگیهای کلیدی
- 🕵️ تحلیل اکتشافی داده (EDA) با ۷+ نمودار حرفهای
- 🚀 مدل با دقت 98% AUC-ROC
- 📊 رابط کاربری تحت وب با Streamlit
- 🔄 قابلیت پردازش بلادراز دادههای جدید
- 📈 مستندات کامل و آماده انتشار
## نصب و راهاندازی
### پیشنیازها
- Python 3.9+
- pip
### مراحل نصب:
```bash
git clone https://github.com/sorna-fast/fraud-detection.git
cd fraud-detection
pip install -r requirements.txt
```
---
## ساختار پروژه
```
fraud-detection/
├── apps/ # کدهای اصلی برنامه
│ ├── src/ # ماژولهای پردازشی
│ └── data/ # پردازش و تقسیم داده
├── model/ # مدل آموزش دیده
│ └── gb_classifier.pkl
├── notebooks/ # تحلیلهای داده
│ ├── Fraud_Detection_EDA_Model_Training_FA.ipynb (کامنتهای فارسی)
│ └── Fraud_Detection_EDA_Model_Training_EN.ipynb (کامنتهای انگلیسی)
├── visualizations/ # خروجی نمودارها
│ ├── confusion_matrix_test.png
│ └── roc_curve.png
...
├── .gitignore
├── app.py # نقطه ورود برنامه
├── README.md
└── requirements.txt
```
---
## اجرای برنامه
برای اجرای رابط کاربری:
```bash
streamlit run app.py
```
---
## مستندات فنی
### ۱. دیتاست
- **نام فایل:** `fraud_dataset_mod.csv`
- **ویژگیهای کلیدی:**
- 17 ویژگی عددی و دستهای
- 50001 رکورد
- متوازنسازی شده با RandomUnderSampler
### ۲. مدل
- **الگوریتم:** Gradient Boosting Classifier + RandomUnderSampler
- **دقت:** ۹8% AUC-ROC
- **ورودی:** ۱۲ ویژگی پردازش شده
- **خروجی:** احتمال تقلب (۰ تا ۱)
### ۳. ویزوالایزیشنها
| نام فایل | توضیحات |
|----------|---------|
| `categorical_distribution.png` | توزیع ویژگیهای دستهای |
| `numeric_features_boxplot.png` | تحلیل دادههای پرت |
---
## لیست نیازمندیها
مشاهده کامل نیازمندیها در [`requirements.txt`](requirements.txt)
---
## مجوز
این پروژه تحت مجوز [MIT](LICENSE) منتشر شده است.
👋 امیدواریم این پروژه برای شما مفید باشد! 🚀
## 👨💻 نویسنده
**مسعود فاسمی**
- **GitHub**: [sorna-fast](https://github.com/sorna-fast)
- **Email**: [masudpythongit@gmail.com](mailto:masudpythongit@gmail.com)
- **linkedin**: [masoud-ghasemi](https://www.linkedin.com/in/masoud-ghasemi-748412381)
- **Telegram**: [@Masoud_Ghasemi_sorna_fast](https://t.me/Masoud_Ghasemi_sorna_fast)
---
این فایل README.md:
- کاملاً دو زبانه با ساختار یکپارچه
- دارای تمام بخشهای ضروری با جزئیات کامل
- سازگار با استانداردهای GitHub
- شامل لینکهای کاربردی و اطلاعات تماس
- دارای فرمتبندی حرفهای با Markdown
- منطبق با ساختار پروژه شما
هر بخش ابتدا به انگلیسی و سپس به فارسی نوشته شده است. برای پیمایش راحتتر، از انکرهای مناسب استفاده شده است. 🚀