File size: 5,059 Bytes
f042a8e 7e36b74 f042a8e 14ac8ca f042a8e e60f3af f042a8e e60f3af f042a8e e60f3af f042a8e e60f3af f042a8e e60f3af f042a8e e60f3af f042a8e |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 |
---
library_name: tf-keras
tags:
- tabular-classification
- imbalanced-classification
---
## Model Description
### Keras Implementation of Imbalanced classification: credit card fraud detection
This repo contains the trained model of [Imbalanced classification: credit card fraud detection](https://keras.io/examples/structured_data/imbalanced_classification/).
The full credit goes to: [fchollet](https://twitter.com/fchollet)
## Intended uses & limitations
- The trained model is used to detect of a specific transaction is fraudulent or not.
## Training dataset
- [Credit Card Fraud Detection](https://www.kaggle.com/datasets/mlg-ulb/creditcardfraud)
- Due to the high imbalance of the target feature (417 frauds or 0.18% of total 284,807 samples), training weight was applied to reduce the False Negatives to the lowest level as possible.
## Training procedure
### Training hyperparameter
The following hyperparameters were used during training:
- optimizer: 'Adam'
- learning_rate: 0.01
- loss: 'binary_crossentropy'
- epochs: 30
- batch_size: 2048
- beta_1: 0.9
- beta_2: 0.999
- epsilon: 1e-07
- training_precision: float32
## Training Metrics
| Epochs | Train Loss | Train Fn | Train Fp | Train Tn | Train Tp | Train Precision | Train Recall | Validation Loss | Validation Fn | Validation Fp | Validation Tn | Validation Tp | Validation Precision | Validation Recall |
|--- |--- |--- |--- |--- |--- |--- |--- |--- |--- |--- |--- |--- |--- |--- |
| 1| 0.0| 14.0| 6202.0| 221227.0| 403.0| 0.061| 0.966| 0.043| 9.0| 622.0| 56264.0| 66.0| 0.096| 0.88|
| 2| 0.0| 3.0| 3514.0| 223915.0| 414.0| 0.105| 0.993| 0.025| 10.0| 528.0| 56358.0| 65.0| 0.11| 0.867|
| 3| 0.0| 2.0| 2419.0| 225010.0| 415.0| 0.146| 0.995| 0.014| 11.0| 283.0| 56603.0| 64.0| 0.184| 0.853|
| 4| 0.0| 3.0| 2482.0| 224947.0| 414.0| 0.143| 0.993| 0.027| 11.0| 340.0| 56546.0| 64.0| 0.158| 0.853|
| 5| 0.0| 2.0| 2295.0| 225134.0| 415.0| 0.153| 0.995| 0.034| 11.0| 245.0| 56641.0| 64.0| 0.207| 0.853|
| 6| 0.0| 3.0| 2239.0| 225190.0| 414.0| 0.156| 0.993| 0.037| 10.0| 495.0| 56391.0| 65.0| 0.116| 0.867|
| 7| 0.0| 2.0| 3095.0| 224334.0| 415.0| 0.118| 0.995| 0.011| 11.0| 194.0| 56692.0| 64.0| 0.248| 0.853|
| 8| 0.0| 4.0| 1844.0| 225585.0| 413.0| 0.183| 0.99| 0.035| 9.0| 429.0| 56457.0| 66.0| 0.133| 0.88|
| 9| 0.0| 1.0| 2119.0| 225310.0| 416.0| 0.164| 0.998| 0.012| 11.0| 167.0| 56719.0| 64.0| 0.277| 0.853|
| 10| 0.0| 3.0| 1539.0| 225890.0| 414.0| 0.212| 0.993| 0.013| 13.0| 144.0| 56742.0| 62.0| 0.301| 0.827|
| 11| 0.0| 6.0| 3444.0| 223985.0| 411.0| 0.107| 0.986| 0.039| 11.0| 394.0| 56492.0| 64.0| 0.14| 0.853|
| 12| 0.0| 4.0| 3818.0| 223611.0| 413.0| 0.098| 0.99| 0.03| 9.0| 523.0| 56363.0| 66.0| 0.112| 0.88|
| 13| 0.0| 7.0| 4482.0| 222947.0| 410.0| 0.084| 0.983| 0.059| 6.0| 1364.0| 55522.0| 69.0| 0.048| 0.92|
| 14| 0.0| 2.0| 3064.0| 224365.0| 415.0| 0.119| 0.995| 0.033| 9.0| 699.0| 56187.0| 66.0| 0.086| 0.88|
| 15| 0.0| 4.0| 3563.0| 223866.0| 413.0| 0.104| 0.99| 0.066| 8.0| 956.0| 55930.0| 67.0| 0.065| 0.893|
| 16| 0.0| 4.0| 2536.0| 224893.0| 413.0| 0.14| 0.99| 0.016| 9.0| 339.0| 56547.0| 66.0| 0.163| 0.88|
| 17| 0.0| 6.0| 2594.0| 224835.0| 411.0| 0.137| 0.986| 0.049| 8.0| 821.0| 56065.0| 67.0| 0.075| 0.893|
| 18| 0.0| 1.0| 1911.0| 225518.0| 416.0| 0.179| 0.998| 0.013| 8.0| 215.0| 56671.0| 67.0| 0.238| 0.893|
| 19| 0.0| 2.0| 1457.0| 225972.0| 415.0| 0.222| 0.995| 0.018| 7.0| 342.0| 56544.0| 68.0| 0.166| 0.907|
| 20| 0.0| 0.0| 1132.0| 226297.0| 417.0| 0.269| 1.0| 0.011| 10.0| 172.0| 56714.0| 65.0| 0.274| 0.867|
| 21| 0.0| 1.0| 840.0| 226589.0| 416.0| 0.331| 0.998| 0.008| 11.0| 100.0| 56786.0| 64.0| 0.39| 0.853|
| 22| 0.0| 1.0| 2124.0| 225305.0| 416.0| 0.164| 0.998| 0.075| 10.0| 350.0| 56536.0| 65.0| 0.157| 0.867|
| 23| 0.0| 2.0| 1457.0| 225972.0| 415.0| 0.222| 0.995| 0.03| 11.0| 242.0| 56644.0| 64.0| 0.209| 0.853|
| 24| 0.0| 5.0| 2761.0| 224668.0| 412.0| 0.13| 0.988| 0.297| 6.0| 2741.0| 54145.0| 69.0| 0.025| 0.92|
| 25| 0.0| 3.0| 2484.0| 224945.0| 414.0| 0.143| 0.993| 0.025| 10.0| 199.0| 56687.0| 65.0| 0.246| 0.867|
| 26| 0.0| 4.0| 4867.0| 222562.0| 413.0| 0.078| 0.99| 0.021| 18.0| 33.0| 56853.0| 57.0| 0.633| 0.76|
| 27| 0.0| 8.0| 4230.0| 223199.0| 409.0| 0.088| 0.981| 0.053| 9.0| 1541.0| 55345.0| 66.0| 0.041| 0.88|
| 28| 0.0| 9.0| 5305.0| 222124.0| 408.0| 0.071| 0.978| 0.026| 9.0| 398.0| 56488.0| 66.0| 0.142| 0.88|
| 29| 0.0| 5.0| 4846.0| 222583.0| 412.0| 0.078| 0.988| 0.242| 6.0| 7883.0| 49003.0| 69.0| 0.009| 0.92|
| 30| 0.0| 5.0| 5193.0| 222236.0| 412.0| 0.074| 0.988| 0.026| 7.0| 449.0| 56437.0| 68.0| 0.132| 0.907|
## Model Plot
<details>
<summary>View Model Plot</summary>
</details> |