Este repositorio contiene una solución para el problema de detección de fraude de tarjetas de crédito usando un dataset anonimizado de Kaggle (https://www.kaggle.com/datasets/mlg-ulb/creditcardfraud). Para el balanceo de datos se utlizó SMOTE, y los modelos considerados son regresión lógistica, random forest, SVC y XGboost.
| Modelo | F1 Score | ROC AUC Score |
|---|---|---|
| Regresión lógistica | 0.97 | 96.49% |
| Random Forest | 0.97 | 96.39% |
| SVC | 0.98 | 96.80% |
| XGBoost | 0.99 | 98.53% |
XGBoost fue el que obtuvo los mejores resultados con un F1 Score de 0.99 y un ROC_AUC Score de 98,53%.