عن المشروع

نظام Online Payment Fraud Detection System هو مشروع تعلم آلة بلغة Python لتصنيف معاملات الدفع عبر الإنترنت كقانونية أو احتيالية. يوفر المستودع دفتر Jupyter ونصاً برمجياً بلغة Python، إلى جانب مجلد مجموعة بيانات، وصوراً مُنشأة، وملف requirements.txt، وملف README، وترخيص MIT. يغطي سير العمل الموثق تحميل مجموعة بيانات المعاملات، والمعالجة المسبقة، والتعامل مع القيم المفقودة، وتشفير البيانات الفئوية، ومقياس الميزات، وتقسيم بيانات التدريب والاختبار، وتدريب النموذج، والتنبؤ، وتقييم النموذج. تشمل حقول مجموعة البيانات الموصوفة: step و type و amount و nameOrig و oldbalanceOrg و newbalanceOrig و nameDest و oldbalanceDest و newbalanceDest و isFraud و isFlaggedFraud. المتغير المستهدف هو isFraud، حيث يمثل 0 معاملة قانونية ويمثل 1 معاملة احتيالية. تم استخدام ثلاث خوارزميات تصنيف: Logistic Regression و Decision Tree Classifier و Random Forest Classifier. يتم التقييم باستخدام accuracy score و confusion matrix و classification report. يتضمن ملف README جدول مقارنة للنماذج ويذكر قيم الدقة للنماذج الثلاثة، مشيراً إلى أن Random Forest حقق دقة بنسبة 96.67% في نتائج المشروع. تشمل المتطلبات التقنية Python 3.x و pandas و NumPy و Matplotlib و Seaborn و scikit-learn؛ كما تم ذكر Google Colab كبيئة عمل. لتشغيل المشروع، قم باستنساخ المستودع، وتثبيت التبعيات باستخدام pip install -r requirements.txt، ثم تنفيذ النص البرمجي لـ Python أو فتح دفتر الملاحظات وتشغيل جميع الخلايا بعد تحميل مجموعة بيانات CSV. يسرد ملف README أفكاراً للتحسينات المستقبلية مثل اكتشاف الاحتيال القائم على التعلم العميق، ومراقبة الاحتيال في الوقت الفعلي، وتطبيق ويب باستخدام Flask أو Streamlit، وتكامل API، والذكاء الاصطناعي القابل للتفسير. هذا مثال تعليمي مدمج لسلسلة تصنيف خاضعة للإشراف للكشف عن الاحتيال.