Обнаружение мошенничества с помощью EvalML
Аналитика данных оказала большое влияние на индустрию банковских и финансовых услуг, например, благодаря предоставлению информации о глобальных финансовых тенденциях, финансового моделирования и т. д. Одним из приложений является предотвращение и обнаружение мошенничества. В этой статье применялись методы прогнозной аналитики данных и контролируемого машинного обучения (ML) для обнаружения мошенничества с отсутствием карты (CNP), а также демонстрировалось моделирование с использованием EvalML, библиотеки автоматического машинного обучения. В этой статье также указано, что модели Decision Tree (DT) и XGBoost работают лучше, чем линейные модели (LM), случайный лес (RF) и модели LightGBM.
Набор данных, используемый для демонстрации моделирования, представляет собой крупномасштабный набор данных от Vesta, который доступен на Kaggle.
