Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
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.
Detecção de fraudes em cartões de crédito utilizando métodos de baseados em árvores de decisão
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/1099458
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Oliva, Jefferson Tales | - |
| Autor(es): dc.contributor | Casanova, Dalcimar | - |
| Autor(es): dc.contributor | Oliva, Jefferson Tales | - |
| Autor(es): dc.contributor | Casanova, Dalcimar | - |
| Autor(es): dc.contributor | Wiggers, Kelly Lais | - |
| Autor(es): dc.contributor | Favarim, Fábio | - |
| Autor(es): dc.creator | Assis, Rhuan Lopes | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T12:39:27Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T12:39:27Z | - |
| Data de envio: dc.date.issued | 2023-07-06 | - |
| Data de envio: dc.date.issued | 2023-07-06 | - |
| Data de envio: dc.date.issued | 2023-06-19 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/31685 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1099458 | - |
| Descrição: dc.description | In 2020, the world was surprised by the arise of the pandemic. Due the social isolation issued by this, Internet purchases had a significant increase, and, with them, fraud attempts has increased as well, especially in credit card purchases. Although the fraud increased, the legit transactions are still expressively bigger, which difficult its detection. With this in mind, is known that fraudulent transactions are considered outliers towards the legit ones. This work aims to utilize tree-based machine learning algorithms, which are easily interpretable models for humans and can be used to detect potential frauds. The dataset was split into training, testing, and validation sets in a stratified manner. The testing set was generated using the largest fraction of the data to create representative models, meaning that a smaller portion of the data was used for training. During the model construction, the data was standardized using the StandardScaler before proceeding to the next steps, which were hyperparameter optimization with BayesianSearch, training the Isolation Forest and ExtraTree models with the found hyperparameters, prediction, and K-fold cross-validation. Finally, to compare the models, the Friedman statistical hypothesis test was applied with a significance level of 95%. Since an extremely significant statistical difference was found, the Nemenyi post-test was applied to determine which pairs of models had a statistically significant difference. As a result, it can be concluded with 95% certainty that the ET models performed better compared to the IF-Matt model. Additionally, the supervised model achieved better classification measures for legitimate transactions, while the unsupervised model excelled in classifying frauds. It can also be observed that models with higher sensitivity had a higher Matthews correlation coefficient. | - |
| Descrição: dc.description | Em 2020, o mundo foi surpreendido com o surgimento de uma pandemia. Devido ao isolamento social causado por esta, as compras pela Internet tiveram uma aumento significativo, e, junto a elas, também aumentaram os casos de tentativas de fraude, especialmente em compras com cartão de crédito. Apesar do aumento de fraudes, o número de transações legítimas continua expressivamente maior, o que dificulta sua detecção. Tendo isso em mente, sabe-se que transações fraudulentas são consideradas anomalias perante as legítimas. Este trabalho tem como objetivo a utilização de algoritmos de aprendizado de máquina baseados em árvores de decisão, que são modelos facilmente interpretáveis por humanos e podem ser utilizados para detectar potenciais fraudes. A base foi separada em treino, teste e validação, de forma estratificada. O conjunto de teste foi gerado utilizando a maior fração dos dados, com o objetivo de criar modelos representativos, ou seja, que utilizasse uma menor parcela dos dados para o treinamento. Durante a construção de modelos, os dados foram padronizados via StandardScaler antes das próximas fases, de otimização de hiperparâmetros com o BayesianSearch, treinamento dos modelos Isolation Forest (IF) e ExtraTree (ET) com os hiperparâmetros encontrados, predição e validação cruzada K-fold. Por fim, para a comparação dos modelos, foi aplicado o teste estatístico de hipótese de Friedman considerando o nível de significância de 95%. Como foi constatada diferença estatística extremamente significativa, o pós-teste de Nemenyi foi aplicado para verificar quais pares de modelos tiveram diferença estatisticamente significativa. Como resultado, conclui-se que, com 95% de certeza, que os modelos ETs tiveram desempenho superior em comparação com o modelo IF-Matt. Por fim, o modelo supervisionado obteve melhores medidas de classificação de transações legítimas, enquanto o não supervisionado foi o melhor classificando fraudes. Pode-se também notar que o coeficiente de correlação de Matthews era maior em modelos com sensitividade maior. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Pato Branco | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Departamento Acadêmico de Informática | - |
| Publicador: dc.publisher | Engenharia de Computação | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Palavras-chave: dc.subject | Inteligência computacional | - |
| Palavras-chave: dc.subject | Fraude no cartão de crédito | - |
| Palavras-chave: dc.subject | Aprendizado do computador | - |
| Palavras-chave: dc.subject | Computational intelligence | - |
| Palavras-chave: dc.subject | Credit card fraud | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
| Título: dc.title | Detecção de fraudes em cartões de crédito utilizando métodos de baseados em árvores de decisão | - |
| Título: dc.title | Detection of credit card fraud using decision tree-based methods | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
Não existem arquivos associados a este item.
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:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo