Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Lima, Matheus Garibalde Soares de | - |
Autor(es): dc.contributor | Lima, Matheus Garibalde Soares de | - |
Autor(es): dc.contributor | Berardi, Rita Cristina Galarraga | - |
Autor(es): dc.contributor | Gomes Júnior, Luiz Celso | - |
Autor(es): dc.creator | Cardoso, Murilo Kenji | - |
Data de aceite: dc.date.accessioned | 2025-08-29T11:48:16Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T11:48:16Z | - |
Data de envio: dc.date.issued | 2024-11-20 | - |
Data de envio: dc.date.issued | 2024-11-20 | - |
Data de envio: dc.date.issued | 2022-11-10 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/35498 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1083540 | - |
Descrição: dc.description | The case study occurs in a context of high volume of fraud attempts in e-commerce, specifically with credit cards. The work seeks to create a machine learning model that aims to hit the positive class, acting as an intermediary to avoid the use of models offered in the fraud prevention market. The applied methodology consisted of data processing, selection of the best variables, correction of minority class imbalance, application of Random Forest, Logistic Regression and Gradient Boosting algorithms, tuning algorithms’ hyperparameters, selection of threshold and creation of ranges with suggestions of greater or lesser exposure to risk. As a result, it was possible to observe a low volume of error in the positive class and the possibility of avoiding the use of up to 80% of the market model studied. | - |
Descrição: dc.description | O estudo de caso ocorre em um contexto de grande volume de tentativas de fraudes no comércio eletrônico, especificamente cartões de crédito. O trabalho busca criar um modelo de aprendizado de máquina que vise o acerto da classe positiva, atuando como um intermediário para evitar a utilização de modelos ofertados no mercado de prevenção a fraudes. A metodologia aplicada consistiu em tratamento dos dados, seleção das melhores variáveis, correção de desbalanceamento da classe minoritária, aplicação dos algoritmos Random Forest, Regressão Logística e Gradient Boosting, tunagem de hiperparâmetros dos algoritmos, seleção do limiar de classificação e criação de faixas com sugestões de maior ou menor exposição ao risco. Como resultado, foi possível observar um baixo volume de erro da classe positiva e a possibilidade de evitar a utilização de até 80% do modelo de mercado estudado. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Curitiba | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Ciência de Dados e suas Aplicações | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Comércio eletrônico | - |
Palavras-chave: dc.subject | Fraude no cartão de crédito - Detecção | - |
Palavras-chave: dc.subject | Análise de regressão logística | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Electronic commerce | - |
Palavras-chave: dc.subject | Credit card fraud - Detection | - |
Palavras-chave: dc.subject | Logistic regression analysis | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA | - |
Título: dc.title | Aplicação de um modelo de aprendizado de máquina enviesado: detecção de fraudes em transações de cartão de crédito no comércio eletrônico | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: