A combined approach of the supervised autoencoderand XGBoost method for credit card fraud detection
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: English
View: 103
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEITCONF06_042
تاریخ نمایه سازی: 26 خرداد 1402
Abstract:
Losses related to fraudulent transactions areincreasing, so building a fraud detection system is essential.Previous studies have employed a variety of data mining andmachine learning techniques to construct fraud detectionsystems. This study presents a new hybrid method based on thesupervised autoencoder and the extreme gradient boosting(XGBoost) method. This combined method uses the power of asupervised autoencoder to generate an expressive representationof the data. It employs the XGBoost method as a robust classifierto detect fraudulent transactions. The hyperparameters of theproposed method are fine-tuned using the Bayesian optimizationalgorithm. The experiments on a public dataset containing ۲۸۰thousand records demonstrated that the proposed methodachieves better results than the baseline method considering allthe performance criteria, including Recall, Precision, and F۱measure.
Keywords:
Authors
Hossein Abbasimehr
Assistant ProfessorFaculty of Information Technologyand Computer EngineeringAzarbaijan Shahid MadaniUniversityTabriz, Iran
Hosein Fanai
Faculty of Information Technologyand Computer EngineeringAzarbaijan Shahid MadaniUniversityTabriz, Iran