Analyse des techniques d'apprentissage automatique pour la détection de fraude par carte de crédit

Les transactions rapides et faciles via le système de carte de crédit ont augmenté les cas frauduleux partout. Des algorithmes d'apprentissage automatique ont été appliqués pour identifier les transactions frauduleuses. Le problème de détection de la fraude présente deux enjeux majeurs : premièrement, les comportements des légitimes et des fraudeurs changent constamment, et deuxièmement, les ensembles de données sont fortement déséquilibrés. L'implémentation du système, jonché d'algorithmes d'apprentissage automatique, extrait des variables et échantillonne des données sur les ensembles de données. Cet article examine la performance de la régression logistique, des forêts aléatoires, des arbres de décision et du SVM (Machine à vecteurs de support). Le système proposé montre des résultats selon l'exactitude, la sensibilité, la spécificité et la précision des techniques ci-dessus. Les transactions dans l'ensemble de données sont fortement déséquilibrées à droite. Un sous-échantillonnage et un sur-échantillonnage sont réalisés sur les données. Le travail est implémenté en Python.