Buscar en Google Scholar
Título: Análisis comparativo de técnicas de aprendizaje automático para detectar fraude en tarjetas de crédito
Autor(es): Tong Chabes, Luis
Asesor(es): Ochoa Luna, Jose Eduardo
Campo OCDE: http://purl.org/pe-repo/ocde/ford#1.02.01
Fecha de publicación: 2022
Institución: Universidad Católica San Pablo
Resumen: Este estudio resalta la importancia de llevar un control para detectar fraudes en tarjetas de crédito para prevenir diferentes riesgos hacia nuestros bienes. Las técnicas de Aprendizaje Automático han demostrado ser la solución para aprendizaje supervisado. Este trabajo identifica técnicas como Máquinas de Vectores de Soporte, Clasificador Bayesiano Ingenuo, Bosques Aleatorios, Red Neuronal y Extreme Gradiente Boost como las mejores técnicas según los trabajos relacionados. Este trabajo se enfocó en realizar todo el proceso que aborda un proyecto como este, es decir ingeniería de características, preparar los datos, lidiar con el desbalance de datos, entre otros. Se usó como herramienta de evaluación de rendimiento la validación cruzada k-fold para encontrar la mejor parametrización de cada una de estas técnicas, que son evaluadas con métricas de desempeño como exactitud y puntaje f1. A continuación se realiza una comparación de estos resultados agregando pruebas estadísticas como t de estudiante para obtener la técnica más adecuada. Finalmente se obtiene la mejor técnica Red Neuronal que por sus resultados es realmente superior a las técnicas restantes.
Disciplina académico-profesional: Ciencias de la computación
Institución que otorga el grado o título: Universidad Católica San Pablo. Departamento de Ciencia de la Computación
Grado o título: Licenciado en Ciencia de la Computación
Jurado: Yván Jesús Túpac Valdivia; Juan Carlos Gutiérrez Cáceres
Fecha de registro: 19-sep-2022; 19-sep-2022



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons