fraud_eda.qmd

---
title: "Fraudulent Transactions Prediction"
subtitle: "Solution Engineering - R"
author: "Felix Erlacher, Merve Taskaya, Tomasz Wlodarski"
embed-resources: true
date: today
date-format: long
format:
  revealjs: 
    theme: dark
    smaller: true
    scrollable: true
    center: false
    cache: true
---
# Einleitung
```{r load_libraries, message=FALSE, warning=FALSE}
rm(list=ls())

library(tidyverse)
library(DataExplorer)
library(patchwork)
library(knitr)

#create cluster for do parallel
library(doParallel)
cl <- makeCluster(4)
registerDoParallel(cl)
```
## Zielsetzung des Projekts
- Ziel des Projekts ist es, ein Modell zur Vorhersage von betrügerischen Kontotransaktionen zu entwickeln. 
<br>

- Um unser Hauptziel zu erreichen, müssen wir uns auf verschiedene qualitative und quantitative Ziele konzentrieren. <br>

## qualitative Ziele

Um unsere Hauptziel zu erreichen, sind folgende qualitative Ziele notwendig:

  - Verbesserung der Effektivität der Betrugsprävention und -erkennung
  - Steigerung der Kundenzufriedenheit und des Vertrauens in die Bank
  - Verbesserung des Rufs der Bank durch proaktive Betrugsprävention
  - Minimiurung von finanziellen Schaden und Verluste für Kunden und die Bank 
  
## quantitative Ziele

Um unsere Hauptziel zu erreichen, sind folgende quantitative Ziele notwendig (gemessen an Testdaten):

  - Hohe Genauigkeit (95%) bei der Klassifikation betrügerischer und nicht betrügerischer Transaktionen
  - Bearbeitungszeit von Transaktionsdaten unter 0.5 Sekunden pro Transaktion
  - Erreichung von mind. 80 Punkten bei der Benotung des Projektes

  
# Datengrundlage

## Datenquelle

- Die Daten stammen von Kaggle.<br>
- In den Daten sind insgesamt  6362620 Transaktionen vorhanden. Diese wurden in 30 Tagen simuliert. ^[‘Fraudulent Transactions Prediction’. https://www.kaggle.com/datasets/vardhansiramdasu/fraudulent-transactions-prediction (accessed May 14, 2023)] 

## Features

Folgende Features sind in den Daten vorhanden: <br>

- *step* - maps a unit of time in the real world. In this case 1 step is 1 hour of time. Total steps 744 (30 days simulation).

- *type* - CASH-IN, CASH-OUT, DEBIT, PAYMENT and TRANSFER.

- *amount* - amount of the transaction in local currency.

- nameOrig - customer who started the transaction

- oldbalanceOrg - initial balance before the transaction

- newbalanceOrig - new balance after the transaction

- nameDest - customer who is the recipient of the transaction

- oldbalanceDest - initial balance recipient before the transaction. Note that there is not information for customers that start with M (Merchants).

- newbalanceDest - new balance recipient after the transaction. Note that there is not information for customers that start with M (Merchants).

- *isFraud* - This is the transactions made by the fraudulent agents inside the simulation. In this specific dataset the fraudulent behavior of the agents aims to profit by taking control or customers accounts and try to empty the funds by transferring to another account and then cashing out of the system.

- *isFlaggedFraud* - The business model aims to control massive transfers from one account to another and flags illegal attempts. An illegal attempt in this dataset is an attempt to transfer more than 200.000 in a single transaction.

::: aside
‘Fraudulent Transactions Prediction’. https://www.kaggle.com/datasets/vardhansiramdasu/fraudulent-transactions-prediction (accessed May 14, 2023)
:::


# Explorative Datenanalyse

## Überblick in Zahlen

```{r}
#| echo: true
#read csv data/Fraud.csv into tibble with readr::read_csv for better performance & tidyverse support
fraud <- readr::read_csv ("data/Fraud.csv", )
fraud %>% glimpse()
introduce(fraud) %>% t()
```

- insgesamt 6.362.620 Datensätze (Rows) mit 11 Features (Columns)
- 11 Features sind 3 diskrete Merkmale und 8 Merkmale kontinuierliche Daten
- keine Spalten und Zeilen mit fehlenden Werten
- eingenommener Speicherplatz für den Datensatz eingenommen ca. 1,14 GB

```{r}
#| echo: true
summary(fraud)
head(fraud) 
tail(fraud)
```



## Überblick als Grafik

```{r}
plot_intro(fraud)
```
Die folgende Grafik veranschaulicht die zuvorgebrachte Statistik.


## Verteilung ausgewählter Features
```{r}
plot_bar(fraud)
```

- ersten Grafik: Darstellung von 5 Arten (types) von Transaktionen geordnet nach ihrer Anzahl 
- zweiten Grafik: Darstellung von der Anzahl "isFraud"an Fraud (1) und nicht Fraud (0) -Transaktionen  - wenige Transaktionen als Fraud markiert
- dritten Graifk: Darstellung von der Anzahl an Transaktion, die als verdächtig markiert wurde (1) oder nicht (0) 

## Verteilung ausgewählter Features nach isFraud
```{r}
plot_bar(fraud, by = "isFraud")
```

- erste Grafik: Darstellung bei welchen 5 Transaktionsarten Transaktionen als "Fraud"/"Nicht-Fraud" markiert wurden 
- zweite Grafik: Darstellung verdächtig/nicht verdächtig markierten Transaktionen als "Fraud"/"Nicht-Fraud" markiert wurden 

## Verteilung ausgewählter Features nach type
```{r}
plot_bar(fraud, by = "type")
```

- erste Grafik: Darstellung bei welchen 5 Transaktionsarten Transaktionen als "Fraud"/"Nicht-Fraud" markiert wurden 
- zweite Grafik: Darstellung bei welchen 5 Transaktionsarten Transaktionen als verdächtig/nicht verdächtig markierten wurden

## Verteilung ausgewählter Features in Zahlen
```{r}
#| echo: true
fraud %>% count(isFlaggedFraud, isFraud) %>% kable()
```

- Insgesamt 6.354.407 Transaktionen wurden nicht als verdächtig und als betrügerisch markiert
- 8.197 Transaktionen wurden nicht als verdächtig markiert wurden, aber als betrügerisch klassifiziert
- 16 Transaktionen wurden als verdächtig markiert und als betrügerisch klassifiziert
- 0 Transaktionen wurden nicht als verdächtig markiert aber als betrügerisch klassifiziert 

## Korrelation
```{r}
plot_correlation(fraud)
```

- Wenig bis keine Korrelation von "isFraud" und "isFlaggedFraud" zu anderen Features.
- Erwartete Korrelationen sichtbar wie hohe positive Korrelation zwischen "newbalanceOrig" und dem Transaktionstyp "CASH IN" (wenn Geld eingezahlt wird ("CASH IN"), steigt der Kontostand "newbalanceOrig")

## Conslusio und weitere Schritte

- Conslusio: viele Transaktionen, wenig Auswahl an als Fraud klassifizierte Daten - keine Korrelation zu anderen Features
<p>

Weitere Schritte:<p/>
- Featureengineering <br/>
- Anwendung von Klassifikationsalgorithmus wie: <br/>
    - K-Nearest Neighbors <br>
    - Support Vector Machines <br>
    - Decision Tree <br>
    - Random Forrest <br>


# Projektorganisation

## Projektorganisation und -verantwortung

- Projektleiter: Tomasz Wlodarski <br>
    - Koordination des Projektablaufs <br>
    - Verantwortung für das Erreichen der Projektziele <br>
    - Kommunikation mit dem Lektor<br>
    - Verwaltung des Backlogs<br>
<p/>

- Projektmitglied 1: Felix Erlacher<br>
    - Bearbeitung der Tasks im Backlog<br>
<p/>
- Projektmitglied 2: Merve Taskaya<br>
    - Bearbeitung der Tasks im Backlog<br>

## Zusammenarbeit im Projekt

- Agile Projektumsetzung mittels Kanban Board
- Pull-Prinzip
- Verantwortung der Bearbeitung des Backlogs ist im Team
- Mind. 1x wöchentliches Stand-up
- Verwendung von Gitlab für Projektmanagementätigkeiten
- Verwendung von Github für Code-Sharing

# Projektplan

Link zu unserem Repository: <br>
https://git-inf.technikum-wien.at/soe-r/soe-2023-b/fraudulent-transaction-classification/fraud/-/milestones 

## Backlog

Backlog: <p/>
- Verwaltung in Gitlab  
- Erstellung vonInitial Backlog wurde mit "high-level" Tasks
- Tasks werden nach Analyse des "high-level" Tasks heruntergebrochen und erstellt
- Anpassung und Weiterentwicklung des Backlogs während der Projektlaufzeit <p/>

![Backlog](img/Backlog.png)

## Kanban Board

- Darstellung der Tasks im Kanban Board
- Aktualisierung während der Projektlaufzeit<p/>

![Board](img/Board.png)

## Meilensteinplan

- Erstellung von Meilensteinplan 
- Verlinkung der Tasks zu den jeweiligen Meilensteinen
- Darstellung der Meilensteine in Gitlab <p/>

![Meilensteinplan](img/Meilensteine.png)

## Deliverables
- Dokumentation der Deliverarbles in den jeweiligen Meilensteinen <p/>

![Deliverables](img/Deliverables.png)


# Beantwortung von Fragen

```{r}
#stop cluster
#stopCluster(cl)
```