Un primer acercamiento a un modelo predictivo ajustable por umbrales para detección de fraudes financieros

El fraude en el sector financiero en transacciones con tarjetas de crédito y débito es un fenómeno que ha recibido el estudio de la comunidad científica por su impacto económico, tanto en individuos como en instituciones. Analizar este problema desde la perspectiva de machine learning es un gran des...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Fióla, Fabián, Alvez, Carlos E., Chesñevar, Carlos Iván
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2020
Materias:
Ciencias Informáticas
Fraude financiero
Inteligencia artificial
Machine learning
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/116433
http://49jaiio.sadio.org.ar/pdfs/asai/ASAI-09.pdf
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-116433
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Fraude financiero
Inteligencia artificial
Machine learning
spellingShingle Ciencias Informáticas
Fraude financiero
Inteligencia artificial
Machine learning
Fióla, Fabián
Alvez, Carlos E.
Chesñevar, Carlos Iván
Un primer acercamiento a un modelo predictivo ajustable por umbrales para detección de fraudes financieros
topic_facet Ciencias Informáticas
Fraude financiero
Inteligencia artificial
Machine learning
description El fraude en el sector financiero en transacciones con tarjetas de crédito y débito es un fenómeno que ha recibido el estudio de la comunidad científica por su impacto económico, tanto en individuos como en instituciones. Analizar este problema desde la perspectiva de machine learning es un gran desafío por la poca disponibilidad de transacciones etiquetadas y el desbalanceo en la proporción de clases. En este trabajo exploramos un enfoque alternativo basado en el ajuste del umbral de probabilidad del algoritmo de fraude. A través de experimentaciones mostramos que este abordaje es eficiente y constituye una alternativa válida para detectar fraude de forma efectiva.
format Objeto de conferencia
Objeto de conferencia
author Fióla, Fabián
Alvez, Carlos E.
Chesñevar, Carlos Iván
author_facet Fióla, Fabián
Alvez, Carlos E.
Chesñevar, Carlos Iván
author_sort Fióla, Fabián
title Un primer acercamiento a un modelo predictivo ajustable por umbrales para detección de fraudes financieros
title_short Un primer acercamiento a un modelo predictivo ajustable por umbrales para detección de fraudes financieros
title_full Un primer acercamiento a un modelo predictivo ajustable por umbrales para detección de fraudes financieros
title_fullStr Un primer acercamiento a un modelo predictivo ajustable por umbrales para detección de fraudes financieros
title_full_unstemmed Un primer acercamiento a un modelo predictivo ajustable por umbrales para detección de fraudes financieros
title_sort un primer acercamiento a un modelo predictivo ajustable por umbrales para detección de fraudes financieros
publishDate 2020
url http://sedici.unlp.edu.ar/handle/10915/116433
http://49jaiio.sadio.org.ar/pdfs/asai/ASAI-09.pdf
work_keys_str_mv AT fiolafabian unprimeracercamientoaunmodelopredictivoajustableporumbralesparadetecciondefraudesfinancieros
AT alvezcarlose unprimeracercamientoaunmodelopredictivoajustableporumbralesparadetecciondefraudesfinancieros
AT chesnevarcarlosivan unprimeracercamientoaunmodelopredictivoajustableporumbralesparadetecciondefraudesfinancieros
bdutipo_str Repositorios
_version_ 1764820447005769729

Ejemplares similares