Дослідження та порівняння ефективності методів класифікації даних у задачах Fraud Detection

Abstract

Метою кваліфікаціоної роботи є дослідження, застосування та порівняння методів класифікації незбалансованих наборів даних в задачах виявлення фроду, також знаходження підходящих методів кластерізації для покращення якості моделі прогнозування.

Результати кваліфікаціоної роботи роботи включають детальний аналіз та оцінку методів класифікації незбалансованих даних, включаючи їх ефективність прогнозування шахрайських транзакцій.

Ця робота вписується у ширший контекст досліджень у сфері машинного навчання та аналізу даних, зокрема у дослідження, що стосуються класифікації незбалансованих даних.

Використовується мова програмування Python із бібліотеками, такими як Pandas, NumPy, Matplotlib, Seaborn та Scikit-learn, для обробки даних, виконання аналізу та прогнозування. Інноваційність роботи відрізняється своїм підходом до вибору та застосування методів, які оптимально підходять для обробки незбалансованих даних.