Credit Card Fraud Detection باستخدام Machine Learning (Random Forest & SMOTE)

في هذا المشروع قمت ببناء نموذج ذكاء اصطناعي لاكتشاف عمليات الاحتيال في بطاقات الائتمان باستخدام تقنيات تعلم الآلة.

? خطوات العمل:

* تحليل البيانات (Exploratory Data Analysis)

* فحص القيم المفقودة والتأكد من جودة البيانات

* التعامل مع عدم توازن البيانات باستخدام تقنية SMOTE

* تطبيق Data Scaling باستخدام MinMaxScaler

* تقسيم البيانات إلى Training و Testing

? النماذج المستخدمة:

* Random Forest Classifier

? تقييم النموذج:

* Accuracy Score

* Precision و Recall و F1-Score

* Confusion Matrix

* AUC-ROC Score

? أهم النتائج:

حقق النموذج دقة عالية مع قدرة جيدة على اكتشاف عمليات الاحتيال، مع التركيز على تحسين Recall نظرًا لطبيعة المشكلة (Imbalanced Data).

? هذا المشروع يوضح القدرة على التعامل مع بيانات حقيقية ومعقدة وبناء نموذج فعال لحل مشكلة مهمة في المجال المالي.