Detección de Reportes Fraudulentos de Averías de Vehículos

Descripción

Este proyecto utiliza técnicas de machine learning para identificar reportes fraudulentos de averías de vehículos, ayudando a la aseguradora "KLEY S.A." a reducir pérdidas por reclamaciones falsas o exageradas. El flujo abarca desde el análisis y tratamiento de datos hasta la implementación, optimización y evaluación de modelos de clasificación.

Estructura del Proyecto

• datos/: Contiene los datasets en diferentes etapas de procesamiento:
  • 1. inicial/: Datos originales
  • 2. tratados/: Datos tratados (limpieza, imputación, etc.)
  • 3. convertidos/: Variables categóricas convertidas a numéricas
  • 4. separados/: Datasets separados para entrenamiento y prueba
  • 5. escalados/: Datos escalados/normalizados
  • 6. predichos/: Resultados de predicciones
• models/: Modelos entrenados (Random Forest, XGBoost, etc.)
• best_model/: Modelo con mejor desempeño según métricas de evaluación
• optimized_model/: Modelo optimizado mediante búsqueda de hiperparámetros
• utils/model.py: Funciones para guardar, cargar y gestionar modelos
• constants/: Rutas y variables constantes del proyecto
• notebooks (.ipynb): Análisis exploratorio, procesamiento, entrenamiento, evaluación y explicación de modelos
• requirements.txt: Dependencias del proyecto

Dataset

El dataset contiene información de vehículos y reportes de averías, incluyendo variables como:

• marca: Marca del vehículo
• modelo: Modelo del vehículo
• color: Color del vehículo
• anio_registro: Año de registro del vehículo
• tipo_vehiculo: Tipo del vehículo (SUV, Convertible, etc.)
• millas_recorridas: Millas recorridas por el vehículo
• tamanio_motor: Tamaño del motor
• transmision: Tipo de transmisión (Automática, Manual)
• tipo_combustible: Tipo de combustible (Gasolina, Diesel, etc.)
• precio_vehiculo: Precio del vehículo
• num_asientos: Número de asientos
• num_puertas: Número de puertas
• problema_averia: Tipo de daño reportado
• id_problema_averia: Identificador del daño reportado
• fecha_averia: Fecha en la que se reportó el daño
• complejidad_reparacion: Complejidad de la reparación
• costo_reparacion: Costo de la reparación
• horas_reparacion: Horas de reparación
• fecha_reparacion: Fecha en la que se reparó el daño
• fraude: Variable objetivo (1 si es fraude, 0 si no)

Instalación

1. Clona el repositorio y entra a la carpeta del proyecto.

2. Crea un entorno virtual (opcional pero recomendado):

   python -m venv venv
   source venv/bin/activate  # En Windows: venv\Scripts\activate

3. Instala las dependencias:

   pip install -r requirements.txt

Ejecución

El flujo principal del proyecto se encuentra en los notebooks numerados, que cubren:

1. Revisión preliminar de los datos (0. Revision preliminar.ipynb)
2. Análisis univariado (1. Analisis univariado.ipynb)
3. Análisis multivariado (2. Analisis multivariado.ipynb)
4. Tratamiento de datos (3. Tratamiento de datos.ipynb)
5. Conversión de variables (4. Conversion de variables categoricas a numericas.ipynb)
6. Separación de datasets (5. Separacion de datasets.ipynb)
7. Escalado de los datasets (6. Escalado de los datasets.ipynb)
8. Implementación de modelos (notebooks 7.x, 8.x, 9.x)
9. Evaluación de modelos (10.1. Evaluacion de modelos.ipynb)
10. Optimización de modelos (10.2. Optimizando al mejor modelo.ipynb)
11. Predicciones y análisis final (11. Prediciones con el mejor modelo.ipynb, 12. Prediciones con el mejor modelo copy.ipynb)
12. Explicabilidad con SHAP (13. Analisis SHAP.ipynb)

Puedes ejecutar los notebooks en orden para reproducir el flujo completo del proyecto.

Uso de scripts utilitarios

El archivo utils/model.py contiene funciones para:

• Guardar y cargar modelos (save_model, load_model)
• Gestionar el mejor modelo y el modelo optimizado (save_best_model, open_best_model, save_optimized_model, open_optimized_model)
• Notificar cuando termina la optimización (notify_optimization_complete)

Ejemplo de uso de utilidades

from utils.model import save_model, load_model

# Guardar un modelo entrenado
save_model(modelo_entrenado, "mi_modelo")

# Cargar un modelo
modelo = load_model("mi_modelo")

Tecnologías y librerías principales

• Python 3.x
• scikit-learn
• pandas, numpy
• matplotlib, seaborn
• xgboost
• optuna (optimización de hiperparámetros)
• SHAP (explicabilidad)

Créditos

Proyecto realizado para el Bootcamp de Machine Learning y Predicciones, ESPOL 2024-II.

---