O objetivo do desafio é construir um modelo de classificação utilizando árvore de decisão que seja capaz de prever com alta precisão se uma transação é fraudulenta ou não. O modelo deve ser avaliado com base em métricas que considerem tanto a capacidade de detectar fraudes (sensibilidade) quanto a capacidade de evitar falsos alarmes (especificidade). O Banco SeguraMais busca um equilíbrio entre essas métricas para garantir a segurança de seus clientes sem comprometer a experiência de uso. Faça um texto de análise dos resultados obtidos ao final do arquivo com suas interpretações sobre o resultado obtido, o resultado não precisa necessariamente ser positivo ao aplicar modelo de árvore de decisão.
Descrição do Dataset
O dataset fornecido contém informações sobre transações bancárias realizadas pelos clientes do Banco SeguraMais. Cada linha do dataset representa uma transação, e as colunas contêm informações relevantes sobre a transação e seu status (fraude ou não fraude). Abaixo está a descrição das variáveis presentes no dataset:
- Cliente: Identificador único do cliente que realizou a transação
- Tipo de Transação: O tipo de transação realizada (ex.: Saque, PIX, Débito, Crédito)
- Valor da Transação: O valor monetário da transação
- Valor Anterior à Transação: O saldo do cliente antes da transação
- Valor Após a Transação: O saldo do cliente após a transação
- Horário da Transação: O horário em que a transação foi realizada
- Classe: A variável alvo, indicando se a transação foi fraudulenta (1) ou legítima (0)
Observação
O dataset se encontra compactado na seção de recursos, é necessário extrair primeiro.
Entrega
Após concluir o desafio, você deve enviar a URL do seu código no GitHub para a plataforma.
Além disso, que tal fazer um post no LinkedIn compartilhando o seu aprendizado e contando como foi a experiência?
É uma excelente forma de demonstrar seus conhecimentos e atrair novas oportunidades!
Feito com 💜 por Rocketseat 👋
O objetivo do desafio é construir um modelo de classificação utilizando árvore de decisão que seja capaz de prever com alta precisão se uma transação é fraudulenta ou não. O modelo deve ser avaliado com base em métricas que considerem tanto a capacidade de detectar fraudes (sensibilidade) quanto a capacidade de evitar falsos alarmes (especificidade). O Banco SeguraMais busca um equilíbrio entre essas métricas para garantir a segurança de seus clientes sem comprometer a experiência de uso. Faça um texto de análise dos resultados obtidos ao final do arquivo com suas interpretações sobre o resultado obtido, o resultado não precisa necessariamente ser positivo ao aplicar modelo de árvore de decisão.
Descrição do Dataset
O dataset fornecido contém informações sobre transações bancárias realizadas pelos clientes do Banco SeguraMais. Cada linha do dataset representa uma transação, e as colunas contêm informações relevantes sobre a transação e seu status (fraude ou não fraude). Abaixo está a descrição das variáveis presentes no dataset:
- Cliente: Identificador único do cliente que realizou a transação
- Tipo de Transação: O tipo de transação realizada (ex.: Saque, PIX, Débito, Crédito)
- Valor da Transação: O valor monetário da transação
- Valor Anterior à Transação: O saldo do cliente antes da transação
- Valor Após a Transação: O saldo do cliente após a transação
- Horário da Transação: O horário em que a transação foi realizada
- Classe: A variável alvo, indicando se a transação foi fraudulenta (1) ou legítima (0)
Observação
O dataset se encontra compactado na seção de recursos, é necessário extrair primeiro.
Entrega
Após concluir o desafio, você deve enviar a URL do seu código no GitHub para a plataforma.
Além disso, que tal fazer um post no LinkedIn compartilhando o seu aprendizado e contando como foi a experiência?
É uma excelente forma de demonstrar seus conhecimentos e atrair novas oportunidades!
Feito com 💜 por Rocketseat 👋
