Detección de transacciones fraudulentas en tarjetas de crédito mediante el uso de modelos de Machine Learning
En este documento se estudian distintos métodos del campo del Machine Learning para la detección de anomalías aplicados en el problema de detección de fraude financiero en tarjetas de crédito. Se consiguen específicamente 3 modelos que logran un desempeño considerablemente bueno en un conjunto de da...
- Autores:
-
Pérez González, Gabriel Andrés
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/53571
- Acceso en línea:
- http://hdl.handle.net/1992/53571
- Palabra clave:
- Fraude informático
Aprendizaje automático (Inteligencia artificial)
Tarjetas de crédito
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
| Summary: | En este documento se estudian distintos métodos del campo del Machine Learning para la detección de anomalías aplicados en el problema de detección de fraude financiero en tarjetas de crédito. Se consiguen específicamente 3 modelos que logran un desempeño considerablemente bueno en un conjunto de datos no simulado. Los modelos usados corresponden a algoritmos del aprendizaje no supervisado ya que, por el alto grado de desbalance en los conjuntos de datos existentes para esta aplicación se escogieron algoritmos cuyo entrenamiento se hiciera con una única clase, sin información a priori para el modelo de qué dato se considera anómalo. De esta manera, al evaluar el desempeño de cada modelo se consiguieron métricas superiores -bajo cierto criterio- a las de otros modelos propuestos en trabajos presentes en la literatura que abordan el problema con técnicas de aprendizaje tanto supervisado como no supervisado. |
|---|