Diccionario: transactions_synthetic.csv
- Nombre: Transacciones con anomalías artificiales (sintético)
- Ruta:
datasets/transactions_synthetic.csv - Filas: 300
- Origen: generado para el programa; ninguna transacción es real
- Licencia: MIT, como el resto del repositorio
- Fecha de generación: 2025 (versión 1.0.0 del programa)
- Privacidad: sin datos personales; las cuentas son etiquetas sintéticas
- Usado en: Parte 14 (fraude digital), Parte 11 (riesgo operacional)
Método de generación
Transacciones con una etiqueta is_anomaly insertada de forma deliberada y
conocida. Esa es la razón de ser del conjunto: permite medir si un método de
detección encuentra lo que se sabe que está.
Diccionario
| Campo | Tipo | Obligatorio | Significado | NO significa |
|---|---|---|---|---|
transaction_id |
cadena | sí | Identificador de la transacción | No es una referencia bancaria |
account_id |
cadena | sí | Cuenta de cargo, seudónima | No identifica a una persona |
hour |
entero 0–23 | sí | Hora de la operación | No hay fecha ni zona horaria |
amount |
entero | sí | Importe de la operación | Siempre positivo |
channel |
enumerado | sí | pos, web, u otro canal |
Trata cualquier valor desconocido como otro |
country_code |
cadena ISO-3166 alfa-2 | sí | País de la operación | No indica residencia del titular |
is_anomaly |
0/1 | sí | Etiqueta conocida del ejercicio | No es una alerta real ni un fraude confirmado |
Supuestos
- Una sola moneda.
- No hay fecha: solo hora del día. El conjunto sirve para estudiar patrones horarios y de canal, no series temporales.
- La proporción de anomalías es artificialmente alta respecto de la observada en un sistema real, para que el ejercicio tenga señal.
Calidad
| Dimensión | Valor | Umbral |
|---|---|---|
| Completitud | 100 % | > 99,9 % |
Unicidad de transaction_id |
100 % | 100 % |
Validez de hour (0–23) |
100 % | 100 % |
Limitaciones
- La proporción de anomalías no es representativa: un modelo calibrado aquí produciría un número inasumible de falsos positivos en producción.
- Sin fecha, sin comercio y sin contraparte: no permite estudiar inferencia sensible (Parte 17, clase 4).
- La etiqueta es del generador, no de una investigación: mide capacidad de recuperar una señal inyectada, no de detectar fraude.
Verificación
python tools/validate_datasets.py