Documentation — Fraude Paiements en Ligne Synthétique

Sommaire

Description

6.3 millions de paiements en ligne synthétiques. Transactions PAYMENT, TRANSFER, CASH-OUT avec indicateur de fraude. Déséquilibre de classes marqué (0.13% de fraudes). Dataset d'entraînement pour systèmes anti-fraude.

Dictionnaire des variables

Comment utiliser ce dataset

import pandas as pd

# Charger le dataset
df = pd.read_csv("URL_DU_FICHIER")

# Aperçu rapide
print(df.shape)        # (6362620, 11)
print(df.dtypes)
print(df.describe())
df.head(10)

# Variable cible
X = df.drop(columns=["isFraud"])
y = df["isFraud"]

# Charger le dataset
df <- read.csv("URL_DU_FICHIER", stringsAsFactors = FALSE)

# Aperçu rapide
dim(df)          # 6362620 x 11
str(df)
summary(df)
head(df, 10)

# Variable cible
y <- df$isFraud
X <- df[, !names(df) %in% c("isFraud")]

# Télécharger le dataset
curl -L -o "fraude_paiements_en_ligne_synthétique.csv" \
  "URL_DU_FICHIER"

# Vérification (nombre de lignes)
wc -l "fraude_paiements_en_ligne_synthétique.csv"

Citation & Licence

Format BibTeX

@dataset{fraude_paiements_en_ligne_synth_tique_2026,
  title  = {Fraude Paiements en Ligne Synthétique},
  author = {StochastiQdata},
  year   = {2026},
  url    = {https://stochastiqdata.com/modeling/e4ad7b60-d04e-4c29-95c7-a75de1821923},
  note   = {Dataset pour actuaires}
}

Format APA

StochastiQdata. (2026). Fraude Paiements en Ligne Synthétique [Dataset].
  https://stochastiqdata.com/modeling/e4ad7b60-d04e-4c29-95c7-a75de1821923