Repósitório para o desenvolvimento do código referente a comparação de modelos de classificação para detecção de fraudes financeiras

Neste repositório se encontram todos os códigos, banco de dados e análises realizadas referentes ao desenvolvimento da metodologia e dos resultados de minha dissertação de mestrado.

Dados

Os dados utilizados neste repositório são dados artificiais gerados pelo simulador AMLSim, disponível aqui. A partir de diferentes parametrizações 3 cenários foram gerados, cada um com 1.000 amostras:

Cenário	Horizonte Temporal	multiplicador	N. Clientes	N. Fraudadores	N. Mercados	N. Bancos	Prob. Fraude	Limite Transf.
1	1000	0.5	50	50	500	5	0.01	50000
2	10000	1	15	100	100	2	0.001	2.000.00.000

No script de execução results.py cada cenário é inserido de maneira compactada em formato .zip.

Modelos

os modelos utilizados neste projeto são:

• Regressão Logística
• Random Forests
• Redes Neurais Artificiais (MLP)
• Support Vector Machine (SVM)
• Extreme Gradiente Boosting Machine (XGB)
• Sistemas Baseados em Regras Fuzzy (SBRF)

Os ajustes, predições e avaliações de desempenho de todos os modelos, com excessão do modelo SBRF, são feitos através da biblioteca Scikit-learn. O modelo SBRF é ajustado e executado sob a liguagem de programação R, através da utilzação dos pacotes frbs e Tidyverse.

Estrutura

A execução deste projeto é dada através do arquivo results.py, que por sua vez carrega e executa os seguintes scrips em python, contidos no diretório "/modelling/":

• pre_process.py: Rotina criada para o tratamento de dados amostrais e separação dos mesmos em cojuntos de treino e de teste.
• fit_models.py: Rotina criada para ajustar modelos e gerar os resultados referentes aos seus desempenhos em predição, sob as métricas de AUC, Acurácia Balanceada, F1-score e F2-score.
• run.py: Este script carrega e executa os scripts anteriores em um conjunto de amostras. Parte deste script carrega parâmetros de modelos já hiperparametrizados, que se encontram no diretório "/Hiperparametrizados/".

O arquivo results.py é responsável pela integração dos demais scripts, parametrização e execução dos modelos propostos (exceto o SBRF). Durante sua execução uma tabela em formato .csv é gerada, permintindo análises dos resultados parciais enquanto todo o conjunto de amostras ainda não foi finalizado. Ao fim de sua execução, uma tabela final em formato .csv é gerada com todos os resultados de todos os modelos em todas as amostras; armazeanada no diretório "/Resultados/".

Análises

No diretório "/Resultados/" se encontram os arquivos gerados pelo script "results.py" e o jupyter notebook "analise_inicial.ipynb" que contém uma análise de uma das amostras e também do desempenho dos modelos