Resumen

En los conjuntos de datos de tarjetas de crdito ordinarias, hay muchas menos transacciones fraudulentas que ordinarias. Al abordar el problema del desequilibrio de las tarjetas de crdito, la solucin ideal debe tener un sesgo y una varianza bajos. Este artculo pretende ofrecer una investigacin experimental en profundidad del efecto de utilizar un enfoque hbrido de punto de datos para resolver el problema de la clasificacin errnea de clases en conjuntos de datos de tarjetas de crdito desequilibrados. El objetivo de la investigacin era utilizar una tcnica novedosa de gestin de conjuntos de datos desequilibrados para mejorar la eficacia de los algoritmos de aprendizaje automtico en la deteccin de fraudes o patrones anmalos en enormes volmenes de registros de transacciones financieras en los que la distribucin de clases estaba desequilibrada. El artculo propone el uso de un bosque aleatorio y un enfoque hbrido de puntos de datos que combina la seleccin de caractersticas con una tcnica de submuestreo basada en Near Miss. Evaluamos el mtodo propuesto en dos conjuntos de datos de tarjetas de crdito desequilibrados, a saber, el conjunto de datos de tarjetas de crdito europeas y el conjunto de datos de tarjetas de crdito UCI. Los resultados experimentales se presentaron mediante matrices de rendimiento. Se compararon los resultados de clasificacin de la regresin logstica, la mquina de vectores de soporte, el rbol de decisin y el bosque aleatorio antes y despus de utilizar nuestro mtodo. Los resultados mostraron que el enfoque propuesto mejoraba la precisin predictiva de los algoritmos de regresin logstica, mquina de vectores soporte, rbol de decisin y bosque aleatorio en los conjuntos de datos de tarjetas de crdito. Adems, descubrimos que, de los cuatro algoritmos, el bosque aleatorio era el que mejores resultados daba.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Transacciones fraudulentas; Problema de desequilibrio de tarjetas de crédito; Enfoque híbrido de puntos de datos; Algoritmos de aprendizaje automático; Bosque aleatorio; Conjuntos de datos desequilibrados.
• Keywords:Fraudulent transactions; Credit card imbalance problem; Hybrid data-point approach; Machine learning algorithms; Random forest; Imbalanced datasets