Aplicação de um modelo de aprendizado de máquina enviesado: detecção de fraudes em transações de cartão de crédito no comércio eletrônico

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorLima, Matheus Garibalde Soares de-
Autor(es): dc.contributorLima, Matheus Garibalde Soares de-
Autor(es): dc.contributorBerardi, Rita Cristina Galarraga-
Autor(es): dc.contributorGomes Júnior, Luiz Celso-
Autor(es): dc.creatorCardoso, Murilo Kenji-
Data de aceite: dc.date.accessioned2025-08-29T11:48:16Z-
Data de disponibilização: dc.date.available2025-08-29T11:48:16Z-
Data de envio: dc.date.issued2024-11-20-
Data de envio: dc.date.issued2024-11-20-
Data de envio: dc.date.issued2022-11-10-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/35498-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1083540-
Descrição: dc.descriptionThe 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.descriptionO 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.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherCiência de Dados e suas Aplicações-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectComércio eletrônico-
Palavras-chave: dc.subjectFraude no cartão de crédito - Detecção-
Palavras-chave: dc.subjectAnálise de regressão logística-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectElectronic commerce-
Palavras-chave: dc.subjectCredit card fraud - Detection-
Palavras-chave: dc.subjectLogistic regression analysis-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA-
Título: dc.titleAplicação de um modelo de aprendizado de máquina enviesado: detecção de fraudes em transações de cartão de crédito no comércio eletrônico-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.