論文の概要: Credit Card Fraud Detection Using Enhanced Random Forest Classifier for
Imbalanced Data
- arxiv url: http://arxiv.org/abs/2303.06514v1
- Date: Sat, 11 Mar 2023 22:59:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 18:31:34.513600
- Title: Credit Card Fraud Detection Using Enhanced Random Forest Classifier for
Imbalanced Data
- Title(参考訳): 不均衡データに対する拡張ランダムフォレスト分類器を用いたクレジットカード不正検出
- Authors: AlsharifHasan Mohamad Aburbeian and Huthaifa I. Ashqar
- Abstract要約: 本稿では,この問題を解決するためにランダムフォレスト(RF)アルゴリズムを実装した。
本研究ではクレジットカード取引のデータセットを用いた。
- 参考スコア(独自算出の注目度): 0.8223798883838329
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The credit card has become the most popular payment method for both online
and offline transactions. The necessity to create a fraud detection algorithm
to precisely identify and stop fraudulent activity arises as a result of both
the development of technology and the rise in fraud cases. This paper
implements the random forest (RF) algorithm to solve the issue in the hand. A
dataset of credit card transactions was used in this study. The main problem
when dealing with credit card fraud detection is the imbalanced dataset in
which most of the transaction are non-fraud ones. To overcome the problem of
the imbalanced dataset, the synthetic minority over-sampling technique (SMOTE)
was used. Implementing the hyperparameters technique to enhance the performance
of the random forest classifier. The results showed that the RF classifier
gained an accuracy of 98% and about 98% of F1-score value, which is promising.
We also believe that our model is relatively easy to apply and can overcome the
issue of imbalanced data for fraud detection applications.
- Abstract(参考訳): クレジットカードはオンラインとオフラインの両方で最も人気のある支払い方法となっている。
不正行為を正確に識別・停止するための不正検出アルゴリズムを作成する必要性は、技術の発達と不正事件の増加の両方の結果生じる。
本稿では,この問題を解決するためにランダムフォレスト(RF)アルゴリズムを実装した。
本研究ではクレジットカード取引のデータセットを用いた。
クレジットカード不正検出に対処する際の主な問題は、トランザクションの大半が不正ではない不均衡データセットである。
不均衡データセットの問題を克服するため、合成マイノリティオーバーサンプリング技術(SMOTE)を用いた。
ランダム森林分類器の性能向上のためのハイパーパラメータ手法の実装
その結果,RF分類器の精度は98%,F1スコア値の約98%であった。
また,本モデルは比較的容易に適用でき,不正検出アプリケーションにおける不均衡データの問題を克服できると考えている。
関連論文リスト
- Securing Transactions: A Hybrid Dependable Ensemble Machine Learning
Model using IHT-LR and Grid Search [2.4374097382908477]
本稿では,複数のアルゴリズムをインテリジェントに組み合わせて不正識別を強化する,最先端のハイブリッドアンサンブル(ENS)機械学習(ML)モデルを提案する。
実験は,284,807件の取引からなる公開クレジットカードデータセットを用いて実施した。
提案したモデルは、99.66%、99.73%、98.56%、99.79%の精度で、それぞれDT、RF、KNN、ENSモデルに完全100%の精度を実現している。
論文 参考訳(メタデータ) (2024-02-22T09:01:42Z) - Credit Card Fraud Detection with Subspace Learning-based One-Class
Classification [18.094622095967328]
1クラス分類(OCC)アルゴリズムは、不均衡なデータ分散を扱うのに優れている。
これらのアルゴリズムは、部分空間学習をデータ記述に統合する。
これらのアルゴリズムは、OCCに最適化された低次元の部分空間にデータを変換する。
論文 参考訳(メタデータ) (2023-09-26T12:26:28Z) - Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。
ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。
3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
論文 参考訳(メタデータ) (2023-07-11T07:48:39Z) - Credit card fraud detection - Classifier selection strategy [0.0]
アノテーション付きトランザクションのサンプルを使用して、機械学習の分類アルゴリズムは不正を検出することを学習する。
不正データセットは多種多様で 矛盾した特徴を示します
特徴的不均衡な不正検出データセットに対するデータ駆動型分類器選択手法を提案する。
論文 参考訳(メタデータ) (2022-08-25T07:13:42Z) - Challenges and Complexities in Machine Learning based Credit Card Fraud
Detection [0.0]
取引量、詐欺の独自性、詐欺師の巧妙さは詐欺を検知する上で大きな課題である。
機械学習、人工知能、ビッグデータの出現は、詐欺と戦うための新しいツールを公開した。
しかし,不正検出アルゴリズムの開発は,不正データの極めて不均衡な性質のため,困難で遅かった。
論文 参考訳(メタデータ) (2022-08-20T07:53:51Z) - Feature-Level Fusion of Super-App and Telecommunication Alternative Data
Sources for Credit Card Fraud Detection [106.33204064461802]
クレジットカード不正を早期に検出するための,スーパーアプリ顧客情報,携帯電話回線データ,従来型の信用リスク変数を融合した機能レベルの有効性について検討する。
クレジットカードのデジタルプラットフォームデータベースから約9万人のユーザを対象に,我々のアプローチを評価した。
論文 参考訳(メタデータ) (2021-11-05T19:10:35Z) - Credit card fraud detection using machine learning: A survey [0.5134435281973136]
本稿では,データ駆動型クレジットカード不正検出機能と,その複雑な課題に対処するための機械学習手法について検討する。
特に、まず一般的なクレジットカード検出タスクを特徴付けます。データセットとその属性、メトリックの選択と、そのような不均衡なデータセットを扱ういくつかの方法です。
論文 参考訳(メタデータ) (2020-10-13T15:35:32Z) - Real-Time Anomaly Detection in Edge Streams [49.26098240310257]
マイクロクラスタ異常の検出に焦点を当てたMIDASを提案する。
さらに、アルゴリズムの内部状態に異常が組み込まれている問題を解くために、MIDAS-Fを提案する。
実験の結果,MIDAS-Fの精度はMIDASよりも有意に高かった。
論文 参考訳(メタデータ) (2020-09-17T17:59:27Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳(メタデータ) (2020-08-05T19:29:35Z) - Improving Face Recognition by Clustering Unlabeled Faces in the Wild [77.48677160252198]
極値理論に基づく新しいアイデンティティ分離法を提案する。
重なり合うラベルノイズによる問題を大幅に低減する。
制御された設定と実際の設定の両方の実験は、我々のメソッドの一貫性のある改善を示している。
論文 参考訳(メタデータ) (2020-07-14T12:26:50Z) - ScoreGAN: A Fraud Review Detector based on Multi Task Learning of
Regulated GAN with Data Augmentation [50.779498955162644]
生成・検出プロセスにおけるレビューテキストとレビューレーティングスコアの両方を利用した不正レビュー検出のためのScoreGANを提案する。
その結果,提案フレームワークは,既存の最先端フレームワークであるFakeGANをAPの7%,YelpとTripAdvisorのデータセットで5%上回る性能を示した。
論文 参考訳(メタデータ) (2020-06-11T16:15:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。