Cosa trovi in questa documentazione
Ogni sezione è autocontenuta. Leggi nell'ordine se vuoi una progressione didattica, oppure salta direttamente all'argomento che ti serve.
📚
Teoria, spiegata bene
Sei articoli su classificazione sbilanciata, metriche per fraud detection, feature temporali, split temporale, modelli supervisionati, threshold tuning.
Esplora la teoria⚙️
Pipeline production-ready
Codice modulare in Python con scikit-learn + XGBoost, feature engineering time-aware, gestione class imbalance, threshold optimization, CLI fraud-train.
Vedi l'architettura🎯
Trade-off documentati
Ogni scelta è motivata: perché LogReg+RF+XGB, come gestire imbalance, come scegliere la soglia operativa, dove sono i limiti del modello.
Leggi le decisioni