Публикации по теме 'fraud-detection'


ГИБРИДНЫЙ ПОДХОД К ОБНАРУЖЕНИЮ МОШЕННИЧЕСТВА
Способность обнаруживать мошенничество является одной из основных проблем, с которыми сталкиваются компании в наше время. С развитием технологий мошенничество также развивается в этом отношении, и компаниям становится все труднее его обнаруживать. Эффект мошенничества может быть настолько разрушительным, что многие компании понесли большие убытки или вынудили их закрыться. По данным Управления национальной статистики Великобритании, мошенничество является одним из наиболее..
СОЗДАНИЕ МОДЕЛИ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ МОШЕННИЧЕСКИХ ОПЕРАЦИЙ
ВВЕДЕНИЕ Я попытался создать модель машинного обучения, используя методологию науки о данных, чтобы помочь выявлять и прогнозировать мошеннические транзакции для финансового учреждения. Методология, которую я намерен использовать для создания этой модели, — это межотраслевой стандартный процесс интеллектуального анализа данных (CRISP-DM). Эта методология разделена на шесть основных частей, а именно: Понимание бизнеса Понимание данных Подготовка данных Моделирование Оценка..
Понимание - извлечение признаков мошенничества с транзакциями по кредитным картам с использованием «Parenclitic Networks»
«Паренклитическая сеть» Что это такое? Как это помогает в обнаружении выбросов? Фундаментальная идея состоит в том, чтобы использовать меры графовой сети в качестве функций в дополнение к обычным транснациональным функциям. Кроме того, есть одно различие между традиционными графовыми сетями и паренклитическими сетями. Узлы связаны с элементами, но ссылки или ребра взвешиваются в соответствии с отклонением стоимости транзакции от значений двух функций. Изображение ниже..
Использование MLflow для управления моделями при обнаружении мошенничества
Введение Машинное обучение (ML) стало фундаментальной опорой во многих секторах цифровой экономики. Однако разработка моделей машинного обучения — это лишь часть задачи. Управление этими моделями, включая их разработку, развертывание и мониторинг, одинаково важно, но часто упускается из виду. Здесь пригодятся такие инструменты, как MLflow. MLflow — это платформа с открытым исходным кодом, которая управляет всем жизненным циклом машинного обучения, включая экспериментирование,..
Обнаружение мошенничества с помощью аналитики — Страховой пример.
Аналитика мошенничества Важность аналитики невозможно переоценить в современном мире высоких технологий, управляемом данными. Опрос Deloitte показал, что 49 % респондентов считают, что аналитика полезна для принятия лучших бизнес-решений, 16 % говорят, что она помогает им в достижении ключевых стратегических целей, а 10 % считают, что аналитика помогает им улучшить отношения с клиентами и деловое партнерство, независимо от сектора. они в. Цель этой статьи — обсудить мошенничество в..
Сквозное машинное обучение младшего кода с использованием PyCaret
Легкое создание прототипов машинного обучения Сквозное машинное обучение младшего кода с использованием PyCaret Универсальное решение для различных проблем машинного обучения! Вы когда-нибудь хотели простую и удобную в использовании библиотеку python, объединенную в один пакет, который мог бы справиться с непрерывным процессом машинного обучения с помощью единообразного синтаксического интерфейса? Если вы работаете над PoC, PyCaret может быть удобным инструментом, поскольку он..
Чего вам никто не говорит о машинном обучении в реальном времени
Для обучения моделям кредитных карт вам понадобится множество примеров транзакций, и каждая транзакция должна быть помечена как мошенничество или Not-Fraud. Этикетки должны быть максимально точными! Это наш помеченный набор данных. Этот набор данных является входом для контролируемых алгоритмов машинного обучения. На основе размеченных данных алгоритм обучает модель обнаружения мошенничества. Модель обычно представлена ​​в виде двоичного классификатора с классами True (мошенничество) или..