クレジットカード詐欺検出システムのための機械学習

近年、銀行にとって、クレジットカードシステムにおける詐欺の警察調査が非常に困難になっています。機械学習は、取引の中でクレジットカード詐欺を調査する警察にとって重要な役割を果たします。これらの取引を予測するために、銀行はさまざまな機械学習手法を利用し、過去のデータを収集し、予測力を高めるために新しい選択肢を使用しています。クレジットカード取引における詐欺調査のパフォーマンスは、データセットのサンプリング手法、変数の選択、および使用する検出技術に大きく影響されます。本論文では、クレジットカード詐欺検出のための供給回帰のパフォーマンスを調査します。クレジットカード取引のデータセットはKaggleから収集されており、EUの銀行データセットの合計284,808件のクレジットカード取引を含んでいます。詐欺取引は「陽性クラス」、実際の取引は「陰性クラス」として扱われます。このデータセットは非常に不均衡であり、詐欺取引は約0.172%、残りは実際の取引です。