Une Compétition Kaggle IEEE-CIS Fraud Detection supervisée par Pr. Agathe GUILLOUX et Dr. Simon BUSSY
- Description
- Contenu du projet
- Conditions prealables
- Telecharger ou cloner le projet sur GitHub
- Telecharger le jeux de donnees complet sur Kaggle
- Organisation du projet
- Meilleure Soumission sur Kaggle
- Finale Soumission sur Kaggle
- Importance des variables du modele ayant la meilleure soumission
- Distribution de la meilleure soumission
- Liens du projet
Les systèmes de prévention de la fraude permettent aux consommateurs d'économiser des millions de dollars par an.
Les chercheurs de l'IEEE CIS souhaitent améliorer ce chiffre tout en améliorant l'expérience client grâce à une détection de fraude plus précise.
Dans ce projet, l'IEEE-CIS s'associent avec la plus grande société de services de paiement au monde, Vesta Corporation, à la recherche des meilleures solutions pour le secteur de la prévention de la fraude.
L’objectif est de comparer les modèles d'apprentissage automatique sur un ensemble de données à grande échelle.
Les données proviennent des transactions de commerce électronique de Vesta dans le monde réel et contiennent un large éventail de fonctionnalités, du type d'appareil aux fonctionnalités du produit.
Nous devrons ainsi améliorer l'efficacité des alertes de transactions frauduleuses et donc réduire les pertes liées aux fraudes.
Vous trouverez dans ce répertoire l'ensemble des fichiers utiles à ce projet :
- Notebook : contenant l'ensemble du code Python utilisé
- Fichiers de soumission : contenant l'ensemble des fichiers de soumission sur Kaggle
- Images : contenant l'ensemble des images utilisées sur les Notebooks
- Fichier de suivi : fichier centralisant l'évolution chronologique du projet et la répartition des tâches du team
- Rapport : le rapport expliquant les différentes méthodes utilisées et les résultats obtenus
-
Install Anaconda >=5.x
-
Ensuite, lancez l'application jupyter avec
jupyter notebookou avecjupyter lab
- Étape 1 : Entrez l'url de github dans le champ en haut à droite
- Étape 2 : Appuyez sur la touche "Entrée" ou cliquez sur "Télécharger" pour télécharger directement le fichier zip ou cliquez sur "Rechercher" pour afficher la liste des sous-dossiers et des fichiers
- Étape 3 : Cliquez sur "Télécharger le fichier zip" ou sur le bouton "cloner le projet" pour obtenir les fichiers
- commande --> kaggle competitions download -c ieee-fraud-detection
- Site --> https://www.kaggle.com/c/ieee-fraud-detection/data
├── README.md <- Le README pour les développeurs qui utilisent ce projet
│
├── img <- contenant les images qu'utilisent les notebooks
│
├── submission files <- contenant les fichiers de soumissions sous format csv
│
├── dataset reference
│ ├── train_{transaction, identity}.csv <- the training set
│ ├── test_{transaction, identity}.csv <- the test set (you must predict the isFraud value for these observations)
│ ├── sample_submission.csv <- a sample submission file in the correct format
│
│
│
├── suivi_ieee_fraud_detection.md <- Contenant le suivi et l'avancée du projet
│
├── notebooks (ieee_fraud_detection) <- Contenant les fichiers du projet sous Jupyter notebooks
│
│
│
├── rapport <- expliquant les différentes méthodes utilisées et les résultats obtenus
-
Lien GitHub du projet Mohamed Niang, Fernanda Tchouacheu & Hypolite Chokki.
-
Lien Kaggle du projet (Notebooks & Datasets) Mohamed Niang, Fernanda Tchouacheu & Hypolite Chokki.
-
Lien Overleaf du rapport Mohamed Niang, Fernanda Tchouacheu & Hypolite Chokki.
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent