Look-up in Google Scholar
Full metadata record
Ochoa Luna, Jose Eduardo
Tong Chabes, Luis
2022-09-19T17:26:04Z
2022-09-19T17:26:04Z
2022-09-19T17:26:04Z
2022-09-19T17:26:04Z
2022
1075086
https://hdl.handle.net/20.500.12590/17266
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. (es_PE)
Tesis (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Católica San Pablo (es_PE)
SUNEDU
info:eu-repo/semantics/openAccess (es_PE)
https://creativecommons.org/licenses/by/4.0/ (es_PE)
Universidad Católica San Pablo (es_PE)
Repositorio Institucional - UCSP (es_PE)
reponame:UCSP-Institucional
instname:Universidad Católica San Pablo
instacron:UCSP
Selección de Parámetros (es_PE)
Detección de Fraude (es_PE)
Aprendizaje Automático (es_PE)
Máquinas de Vectores de Soporte (es_PE)
Clasificador Bayesiano Ingenuo (es_PE)
Bosques Aleatorios (es_PE)
Red Neuronal (es_PE)
Extreme Gradiente Boost (es_PE)
Métricas de Desempeño (es_PE)
La prueba de McNemar (es_PE)
Análisis comparativo de técnicas de aprendizaje automático para detectar fraude en tarjetas de crédito (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Católica San Pablo. Departamento de Ciencia de la Computación (es_PE)
Ciencias de la computación (es_PE)
Título Profesional (es_PE)
Licenciado en Ciencia de la Computación (es_PE)
PE (es_PE)
http://purl.org/pe-repo/ocde/ford#1.02.01 (es_PE)
https://purl.org/pe-repo/renati/level#tituloProfesional (es_PE)
29738760
https://orcid.org/0000-0002-8979-3785 (es_PE)
70359488
611016 (es_PE)
Yván Jesús Túpac Valdivia (es_PE)
Juan Carlos Gutiérrez Cáceres (es_PE)
https://purl.org/pe-repo/renati/type#tesis (es_PE)
Privada asociativa
info:eu-repo/semantics/publishedVersion (es_PE)



This item is licensed under a Creative Commons License Creative Commons