💳 Датасет мошеннических транзакций по кредитным картам

Этот датасет содержит реальные анонимизированные транзакции европейских держателей кредитных карт.
Основная задача — определить, является ли операция мошеннической.

📊 Особенности:

• ~284 000 транзакций

• сильный дисбаланс классов (мошенничество ≈ 0.17%)

• 30 признаков (V1–V28 — результат PCA)

• признаки Time и Amount

• целевая переменная: Class (0 — норм, 1 — fraud)

📌 Какие данные внутри

• анонимизированные поведенческие признаки транзакций

• сумма операции

• временной признак

• метка мошенничества

📊 Пример таблицы

🎯 Для кого этот датасет

• банки и финтех

• платежные системы

• antifraud-команды

• e-commerce с онлайн-оплатой

🚀 Как помогает бизнесу

1. Выявление мошенничества в реальном времени
→ блокировка подозрительных транзакций

2. Снижение финансовых потерь
→ меньше chargeback’ов

3. Автоматизация antifraud-систем
→ уменьшение ручной проверки

4. Повышение доверия клиентов
→ меньше “украли деньги с карты”

🧠 Задачи машинного обучения

• Tabular Classification

• Anomaly Detection (в рамках Tabular)

• Feature Extraction

🔗 Источники

URL источника данных:
https://www.kaggle.com/datasets/mlg-ulb/creditcardfraud

Источник данных:
Kaggle (ULB Machine Learning Group)

⚖️ Соотношение разделения данных

Рекомендуемое (важно из-за дисбаланса):

• Train: 70%

• Validation: 15%

• Test: 15%

💡 Лучше использовать:

• stratified split

• oversampling (SMOTE) или class weights