- Terbit
- Riset
- AI/ML
- Tim
- 2024
Fraud kartu kredit: 4 model × 8 teknik penyeimbangan
Teknik penyeimbangan mana yang membantu saat hanya 0,172% dari 284.807 transaksi yang fraud? Terbit di ICCSCI 2024, dipresentasikan secara oral.
Cara kerjanya
- 01284.807 transaksi kartu, 0,172% fraud
- 024 algoritma × 8 teknik penyeimbangan
- 03Dinilai dengan F1 kelas fraud, bukan akurasi
- 04Terbaik: XGBoost dengan random oversampling, F1 92,4%
F1 kelas fraud terbaikXGBoost dengan random oversampling; 284.807 transaksi, 0,172% fraud.
F1 kelas fraud terbaik
XGBoost dengan random oversampling; 284.807 transaksi, 0,172% fraud.
Masalahnya
Fraud itu langka: 0,172% transaksi dalam dataset. Model yang tidak pernah menandai apa pun tetap lebih dari 99,8% akurat, jadi akurasi tidak berarti apa-apa. Pertanyaan sebenarnya: algoritma dan teknik penyeimbangan mana yang menangkap fraud.
Bagian saya
Penulis pendamping (ke-2 dari 4) paper yang terbit, sekaligus yang mempresentasikannya.
Penulis kedua dari empat, dan presenter oral di ICCSCI 2024.
Batasan
- Satu dataset publik; hasilnya belum tentu berlaku untuk data bank lain.