کاربرد یادگیری ماشین در تشخیص تقلب پرداخت های بانکی

در این مقاله به بررسی نقش یادگیری ماشین و هوش مصنوعی در تشخیص و جلوگیری از تقلب در پرداختهای آنلاین خواهیم پرداخت. روشهای مختلفی مانند ماشین بردار پشتیبان، شبکههای عصبی مصنوعی، جنگل ایزوله و جنگل تصادفی مورد استفاده قرار گرفته اند تا دقت و کارایی سیستمهای تشخیص تقلب را بهبود بخشند. هر یک از این روشها مزایا و معایب خاص خود را دارند و در شرایط مختلف میتوانند به طور موثر مورد استفاده قرار گیرند. در ادامه به بررسی دقیق تر این روشها و نحوه عملکرد آنها در شناسایی تقلب خواهیم پرداخت. این پژوهش با استفاده از یک مجموعه داده شامل ۱۰،۰۰۰ رکورد از سایت aggle انجام شده است. داده ها با استفاده از کتابخانه های معروفی مانند Pandas برای مدیریت و پردازش داده ها، Scikit-learn برای پیاده سازی الگوریتم های یادگیری ماشین، Matplotlib و Seaborn برای تجسم و تحلیل داده ها مورد استفاده قرار گرفته اند. نتایج نشان می دهند که جنگل تصادفی با دقت بالاتری نسبت به سایر روش ها توانسته است تقلب را تشخیص دهد. این روش به دلیل توانایی در مدیریت داده های نامتعادل و شناسایی الگوهای پیچیده به عنوان بهترین روش در این مطالعه شناخته شده است.

Keywords:

تجارت الکترونیک , یادگیری ماشین , هوش مصنوعی , تشخیص تقلب