کشف تقلب در کارت های اعتباری با استفاده از شبکه عصبی پرسپترون و یادگیری گروهی

تقلب در تراکنش های کارت ها ی اعتباری یکی از موضوعات بسیار پر اهمیت در حوزه خدمات مالی است . هر ساله میلیارد ها دلار به دلیل تقلب در کارت ها ی اعتباری از دست می رود. کارت ها ی اعتباری یکی از پراستفاده ترین خدمات مالی بانک ها در سال های گذشته بوده اند.با این حال، با افزایش تعداد کاربران کارت های اعتباری، بانک ها با انفجار یکباره استفاده از کارت های اعتباری مواجه شدهاند. تقلب در کارت ها ی اعتبار ی با استفاده غیر مجاز از کارت اعتباری برای خرید مرتبط است . در این مقاله ، سع ی شده است تا توسط دو روش نزدیک تر ین همسایگی و پرسپترون چندلایه برای تجزیه و تحلیل و پیش بینی تشخیص تقلب در کارت ها ی اعتباری استفاده شود. در نهایت توسط رای گیری گروه بندی برای بهبود دقت مدل بهره برده ایم . مجموعه داده مورد نظر از سایت کگل گرفته شده است که شامل تراکنش های انجام شده توسط کارت های اعتبار ی در سپتامبر ۲۰۱۳ توسط دارندگان کارت اروپایی است . این مجموعه داده تراکنش هایی را ارائه می دهد که در دو روز متوالی اتفاق افتاده است ، که در آن ما ۴۹۲ مورد تقلب در میان ۲۸۴۸۰۷ تراکنش داریم . با توجه به نتایج و نتایج تجرب ی مشخص می شود که الگوریتم نزدیک ترین همسایگی تقلب در کارت های اعتبار ی را با دقت ۸۵.۹۹ درصد، پرسپترون چند لایه میزان تقلب در کارت ها ی اعتباری را با دقت ۹۵.۹۹ پیش بینی می کند. در نهایت مدل ترکیبی دقت را به میزان ۹۶.۹۹ درصد بهبود می بخشد.

Keywords:

کشف تقلب , تقلب در کارت های اعتباری , پرسپترون چند لایه , نزدیک ترین همسایگی , یادگیری گروهی , شبکه عصبی