Use este identificador para citar ou linkar para este item:
http://www.monografias.ufop.br/handle/35400000/6454| Título: | Aprendizado de máquina aplicado na detecção de fraudes em cartão de crédito. |
| Autor(es): | Santos, Andrei Camilo dos |
| Orientador(es): | Pereira, Tiago Martins |
| Membros da banca: | Pereira, Tiago Martins Oliveira, Fernando Luiz Pereira de Oliveira, Diana Campos de |
| Palavras-chave: | Estatística descritiva Análise de dados Modelo de aprendizado de maquina Aprendizagem supervisionada |
| Data do documento: | 2023 |
| Referência: | SANTOS, Andrei Camilo dos. Aprendizado de máquina aplicado na detecção de fraudes em cartão de crédito. 2023. 42 f. Monografia (Graduação em Estatística) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2023. |
| Resumo: | O presente trabalho descreve uma proposta de aplicar diferentes técnicas de aprendizagem de máquina, estatísticas de teste e estudo de caso de transações fraudulentas por meio de cartões de credito. Hoje no mundo sendo a mais popular forma de pagamento, tanto em compras online ou mesmo offline o número crescente de fraudes impacta negativamente a receita de várias instituições financeiras além das pessoas que são vítimas de golpes. Desta maneira uma detecção categórica e eficiente se torna de grande valia no mantimento da confiança no sistema de pagamento. Desse modo metodologias que utilizam de aprendizagem de máquina e inteligência artificial veem sendo desenvolvidas com intuito de melhorar a segurança das instituições. Nesse contexto existem dois principais tipos de algoritmos, um que utiliza de aprendizagem supervisionada, tais como Naive Bayes, regressão logística, arvores de decisão, KNN e redes neurais, e outros conhecidos como aprendizagem não supervisionada como por exemplo, K – means, Clustering e hierárquico. Embora muitas técnicas propostas tenham atingido resultados satisfatórios, hoje ainda é um grande desafio detectar com alta precisão transações consideradas fraudulentas (falso positivo) em relação a transações normais (falso negativo), visto que os algoritmos usuais aprendem com os dados e estes geralmente estão desbalanceados devido a grande maioria das transações serem legitimas. |
| Resumo em outra língua: | The present work describes a proposal to apply different machine learning techniques, test statistics and a case study of fraudulent transactions through credit cards. Today in the world being the most popular form of payment, both in online and offline purchases, the growing number of fraud negatively impacts the revenue of several financial institutions in addition to the people who are victims of scams. In this way, a categorical and efficient detection becomes of great value in maintaining trust in the payment system. Thus, methodologies that use machine learning and artificial intelligence are being developed in order to improve the security of institutions. In this context, there are two main types of algorithms, one that uses supervised learning, such as Naive Bayes (reference), logistic regression (reference), decision trees (reference), Knn and neural networks (reference), and others known as learning. unsupervised such as K – means (reference), Clustering and hierarchical. Although techniques have satisfactory results, even today they are satisfactory results, they are still great results obtained with high precision since they were fraudulent in relation to normal transactions (false positive results) seen with fraudulent transactions (false) because the vast majority of transactions are legitimate. |
| URI: | http://www.monografias.ufop.br/handle/35400000/6454 |
| Aparece nas coleções: | Estatística |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| MONOGRAFIA_AprendizadoMáquinaAplicado.pdf | Artigo principal | 6,46 MB | Adobe PDF | Visualizar/Abrir |
Os itens na BDTCC estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.