هذا المشروع يهدف إلى كشف المعاملات الاحتيالية في أنظمة الدفع الإلكتروني باستخدام تقنيات تعلم الآلة. يعتمد المشروع على تحليل سلوك المعاملات والخصائص المالية لبناء نموذج تصنيف موثوق يفرق بين المعاملات الاحتيالية وغير الاحتيالية.

أهم المميزات:

تحليل شامل للبيانات (EDA) لفهم توزيع المعاملات وأنماط الاحتيال

هندسة خصائص متقدمة مثل balance_diff للتحقق من توازن الحسابات

إزالة المعرفات غير الضرورية لضمان الخصوصية

استخدام نماذج متعددة: Logistic Regression، Random Forest، و XGBoost

أفضل النتائج مع XGBoost، حيث وصلت ROC-AUC إلى 99.9%

يمكن لهذا النظام التنبؤ بالمعاملات الاحتيالية بدقة عالية، مما يقلل المخاطر المالية ويعزز الأمان في الأنظمة الإلكترونية.