How nelsonaraujo9/aiproject works
Este repositório é um projeto académico de deteção de fraude e risco bancário por classificação supervisionada. O fluxo principal parte da execução do script, carrega os datasets, prepara e divide os dados, treina três modelos, avalia-os e produz gráficos e resumos de resultados. O notebook oferece uma via de análise adicional. As ligações refletem o fluxo explícito em fraud_modeling.py; não inferi detalhes de implementação do notebook nem de subsistemas não amostrados.
Main entry points: fraud_modeling.py Script principal · creditcard.csv.zip Transações cartão · bank.csv Dados bancários · fraud_detection_analysis.ipynb Notebook de análise
Components 15
Dados de entrada
- Transações cartão
data/creditcard.csv.zip - Dados bancários
data/bank.csv - Carga e amostragem
src/fraud_modeling.py - Rotulagem binária
src/fraud_modeling.py
Modelação e avaliação
- Script principal
src/fraud_modeling.py - Notebook de análise
fraud_detection_analysis.ipynb - Divisão treino/teste
src/fraud_modeling.py - Pré-processamento
src/fraud_modeling.py - Modelos classificadores
src/fraud_modeling.py - Métricas e previsões
src/fraud_modeling.py
Resultados e visualização
- Gráficos de avaliação
src/fraud_modeling.py - Gráficos gerados
figures - Resumos de resultados
reports/results_summary.csv - Resumo dos datasets
reports/datasets_summary.csv
Other components
- Investigador
Connections 16
- Investigador → Script principal: executa
- Investigador → Notebook de análise: analisa
- Script principal → Carga e amostragem: carrega dados
- Carga e amostragem → Transações cartão: lê
- Carga e amostragem → Dados bancários: lê
- Carga e amostragem → Rotulagem binária: prepara rótulos
- Script principal → Divisão treino/teste: avalia dataset
- Divisão treino/teste → Pré-processamento: prepara atributos
- Pré-processamento → Modelos classificadores: transforma dados
- Divisão treino/teste → Modelos classificadores: fornece treino/teste
- Modelos classificadores → Métricas e previsões: gera previsões
- Script principal → Gráficos de avaliação: gera gráficos
- Gráficos de avaliação → Gráficos gerados: grava
- Gráficos de avaliação → Carga e amostragem: conta classes
- Script principal → Resumos de resultados: grava resultados
- Script principal → Resumo dos datasets: grava estatísticas