Ok, creemos un modelo de Machine Learning para detectar fraudes financieros.

Iniciemos con algo de data exploration

Definición de las columnas del dataset (copiado desde Kaggle)

Tipos de transacciones y distribución

'PAYMENT', 'TRANSFER', 'CASH_OUT', 'DEBIT', 'CASH_IN'

Distribución del monto de las transacciones ( Columna amount)

Feature Engineering

Correlación de las features con el indicador de fraude

Selección de datos para entrenamiento y pruebas

Fase de selección y entrenamiento del modelo

Cross validation

Evaluando el modelo con lo datos de test

Refinemos el modelo

Evaluando el nuevo modelo con lo datos de test

Consideraciones

--

--

Machine Learning Engineer | Enterprise Solutions Architect — Interested in AI-based solutions to problems in healthcare, logistics, and marketing.

Love podcasts or audiobooks? Learn on the go with our new app.

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store