프로젝트 소개

Online Payment Fraud Detection System은 온라인 결제 거래를 정상 또는 사기로 분류하기 위한 Python 머신러닝 프로젝트입니다. 이 저장소는 Jupyter 노트북과 Python 스크립트를 비롯하여 데이터셋 폴더, 생성된 이미지, requirements.txt, README 및 MIT 라이선스를 제공합니다. 문서화된 워크플로우에는 거래 데이터셋 로드, 전처리, 결측치 처리, 범주형 데이터 인코딩, 특성 스케일링, 훈련-테스트 분할, 모델 학습, 예측 및 모델 평가가 포함됩니다. 설명된 데이터셋 필드에는 step, type, amount, nameOrig, oldbalanceOrg, newbalanceOrig, nameDest, oldbalanceDest, newbalanceDest, isFraud, isFlaggedFraud가 포함됩니다. 타겟 변수는 isFraud이며, 0은 정상 거래를, 1은 사기 거래를 나타냅니다. Logistic Regression, Decision Tree Classifier, Random Forest Classifier의 세 가지 분류 알고리즘이 사용되었습니다. 평가는 정확도 점수(accuracy score), 혼동 행렬(confusion matrix) 및 분류 보고서(classification report)를 통해 수행됩니다. README에는 모델 비교 표가 포함되어 있으며 세 모델의 정확도 값이 보고되어 있는데, 프로젝트 결과에서 Random Forest가 96.67%의 정확도를 달성했다고 명시되어 있습니다. 기술 요구 사항으로는 Python 3.x, pandas, NumPy, Matplotlib, Seaborn 및 scikit-learn이 포함되며, 환경으로 Google Colab이 언급됩니다. 프로젝트를 실행하려면 저장소를 클론하고 pip install -r requirements.txt로 종속성을 설치한 다음, Python 스크립트를 실행하거나 CSV 데이터셋을 업로드한 후 노트북을 열어 모든 셀을 실행하면 됩니다. README에는 딥러닝 기반 사기 탐지, 실시간 사기 모니터링, Flask 또는 Streamlit 웹 애플리케이션, API 통합 및 설명 가능한 AI(explainable AI)와 같은 향후 개선 아이디어가 나열되어 있습니다. 이는 사기 탐지를 위한 지도 학습 분류 파이프라인의 간결한 교육용 예시입니다.