Fraud Detection Project

• Python version: 3.7
• conda environment
• data : data/creditcard.csv (https://www.kaggle.com/mlg-ulb/creditcardfraud)
• For using run the command below in the project folder: $ pip install -r requirements.txt
• For frontend usage run the command below in the project folder: (app.py uı geliştirmesi) $ streamlit run app.py --logger.level "error"
• Notebooks directory is /notebooks:
  • denemeler ve çalışmada alınan sonuçlar bu notebooklarda
    • notebooks/data_analysis&cleaning.ipynb: veri kalitesi analizi ve veri önişleme adımları
    • notebooks/feature_selection&engineering.ipynb: öznitelik çıkarımı yöntemlerinin karşılaştırılması
    • notebooks/machine_learning_results.ipynb: seçilen yöntemler üzerinde makine öğrenmesi algoritmaları sonuçları
    • notebooks/auto_encoder.ipynb: autoencoder denemesi
• Operations directory is /src * /src/utils: Utility methods and file operations (plot, model/data save/load, data quality operations) * /src/feature: Preprocess & feature engineering methods (over/under samplers, feature selections) * /src/pipeline: Model results, auto encoder class
• Docker for UI * $ docker build -t fraud_detection_app:latest . * $ docker run fraud_detection_app:latest

NOTE

• frontend kullanım video örnekleri video dizininde
• Results dizini kodun içerisinde elde edilen resim ve dosyaların kaydedildiği dizin
• Models dizini app çalıştırıldığında eğitilen modelin kaydedildiği dizin