Detección de Fraudes con Machine Learning

Ruta práctica de clasificación aplicada a fraude/impago crediticio con AutoML: desde los fundamentos de PyCaret hasta un flujo nivel experto con perfilado de datos, comparación de modelos, tuning por métrica (AUC vs Recall) y ensambles. En español.

Fraud/credit-default classification learning path in Spanish: PyCaret AutoML fundamentals → beginner → expert workflows (EDA profiling, model comparison, metric-driven tuning, ensembles), plus applied exercises with solutions.

📚 Ruta de aprendizaje

#	Notebook	Nivel	Qué cubre
1	1_Fundamentos de autoML y Pycaret	Básico	Qué es AutoML, setup de PyCaret y su flujo de trabajo
2	2._Clasificación del fraude. Nivel principiante	Principiante	Dataset credit (UCI), compare_models(), modelos individuales (árbol de decisión, KNN, random forest) y tuning básico
2.1	2.1.1_Ejercicio Clasificación (+ solución en 2.1.2)	Práctica	Ejercicio de clasificación con preprocesamiento scikit-learn (dataset Titanic)
3	3_Clasificación del fraude. Nivel experto	Experto	EDA con pandas-profiling, compare_models(n_select=3), tuning optimizando AUC vs Recall (clave en fraude: el costo de un falso negativo), validación por folds
4	4._Ejercicio aplicado de Clasificacion (+ solución en 4.1)	Aplicado	Caso completo end-to-end; la solución incorpora TPOT (AutoML genético) como segundo enfoque

📊 Datasets (públicos)

• Default of Credit Card Clients (UCI) — 30.000 clientes de tarjetas de crédito de Taiwán; objetivo: predecir el impago del próximo período. Es el dataset credit de PyCaret; también incluido como .xls en Data/.
• Titanic (Kaggle) — train.csv/test.csv en Data/, usado en los ejercicios de clasificación para practicar preprocesamiento y features.

🛠️ Stack

PyCaret (AutoML) · scikit-learn · pandas / numpy · pandas-profiling (EDA) · TPOT (AutoML genético)

▶️ Cómo ejecutar

python -m venv .venv && source .venv/bin/activate   # Windows: .venv\Scripts\activate
pip install -r requirements.txt
jupyter notebook

Nota de versiones: los notebooks fueron desarrollados con PyCaret 2.x y pandas_profiling (hoy renombrado ydata-profiling). Si usas PyCaret 3.x, la API de clasificación se mantiene casi igual; para el perfilado reemplaza el import por ydata_profiling.

💡 Por qué AUC y Recall

En detección de fraude las clases están desbalanceadas y un fraude no detectado (falso negativo) cuesta mucho más que una falsa alarma. Por eso el notebook experto tunea el mismo modelo dos veces — optimize='AUC' y optimize='Recall' — y compara qué se sacrifica en cada caso. Esa decisión de negocio, no el algoritmo, es el corazón del problema.

👤 Autor

Luis Cáceres — CTO & CFO · IA aplicada en producción luiscaceres.cl · LinkedIn · GitHub

Licencia MIT.