Credit Card Fraud Detection (ULB)
Transacciones reales de tarjetas de crédito europeas, el dataset de referencia para practicar detección de fraude.
ÁreaEconomía y Finanzas
DominioFinanzas
DificultadIntermedio
Tamaño284,807 transacciones · 492 fraudes (~0.17%)
¿Qué puedes lograr con este dataset?
- Practicar técnicas de manejo de clases extremadamente desbalanceadas
- Aplicar detección de anomalías y clasificación sobre datos financieros reales
- Evaluar modelos con métricas apropiadas para desbalance (AUC-PR en vez de accuracy)
Descripción
Este dataset, publicado por el grupo de investigación en machine learning de la Université Libre de Bruxelles, contiene transacciones reales de tarjetas de crédito europeas de septiembre de 2013, con las features originales anonimizadas vía PCA (V1-V28) más 'Time' y 'Amount', y una etiqueta de fraude extremadamente rara.
Casos de uso
- Práctica de detección de fraude con clases desbalanceadas
- Comparación de técnicas de resampling (SMOTE, undersampling)
- Benchmarking de algoritmos de detección de anomalías
- Enseñanza de métricas de evaluación más allá de accuracy
Cómo cargarlo
import pandas as pd
df = pd.read_csv("creditcard.csv")
print(df["Class"].value_counts(normalize=True))Ventajas y limitaciones
Ventajas
- Datos financieros reales (no sintéticos) con un problema de negocio muy claro
- El desbalance extremo lo hace ideal para enseñar técnicas específicas
- Tamaño manejable, corre bien en una laptop
Limitaciones
- Las features están anonimizadas vía PCA, por lo que no son interpretables directamente
- Al ser de 2013, no refleja necesariamente patrones de fraude actuales