Optimización de la detección de fraudes de contracargos con Tarjetas de Crédito : un enfoque de calibración de probabilidades en esquemas combinatorios

Abstract

RESUMEN: Las tarjetas de crédito se han consolidado como uno de los métodos de pago más utilizados en transacciones de comercio electrónico. Este fenómeno ha impulsado un aumento en las disputas contra las entidades financieras, dirigidas a obtener reembolsos de manera fraudulenta. Como contramedida, se han desarrollado sistemas de detección de fraudes que aprovechan la capacidad de los modelos de aprendizaje estadístico para identificar relaciones complejas en los datos. Los esquemas de combinación de clasificadores de fraude superan los modelos individuales de clasificación mediante una construcción de predicciones sólidas a partir de las predicciones más débiles de dos o más modelos base. En este contexto, se han propuesto diversos diseños metodológicos, destacando el stacked generalization (stacking), majority voting (hard voting) y weighted average probability (soft voting). A pesar de estos avances, es crucial abordar la calibración de probabilidades para evaluar la certeza asociada a las predicciones de los modelos base. Este estudio analiza el impacto de la calibración de probabilidades en el rendimiento de los tres esquemas de combinación de clasificadores mencionados. Los resultados revelan que el stacking exhibe el mejor desempeño en términos del F1 Score. El soft voting y hard voting aumentan la sensibilidad mientras disminuyen la precisión consiguiendo un aumento en el F1 Score del 5,29% y 6,02%, respectivamente. Este trabajo contribuye a la comprensión de la importancia de la calibración de probabilidades en los esquemas de combinación de clasificadores, destacando la eficacia del stacking como la opción más sobresaliente en este contexto.

ABSTRACT: Credit cards have become one of the most widely used payment methods in online transactions. This fueled an increase in disputes against financial institutions, aiming to obtain refunds through fraud. In response, fraud detection systems have been developed, leveraging statistical learning models' capabilities to untangle complex patterns in data. Fraud classifier combinations surpass individual classification models by weaving robust predictions from the weaker forecast of two or more base models. In this context, several methodological designs have been proposed, including notable stacked generalization (stacking), majority voting (hard voting), and weighted average probability (soft voting). Despite these advancements, it is crucial to address probability calibration to assess the certainty tied to the base of model's predictions. This study examines the impact of probability calibration on the efficacy of the afore mentioned classifier combination schemes. The results underscore that stacking exhibits the best performance in terms of F1 Score. Both soft voting and hard voting increase sensitivity while slight decrease in precision achieving an increase in F1 score of 5.29% and 6.02%, respectively. This research enriches our understanding of the important role that probability calibration plays in classifier combination schemes, highlighting the effectiveness of stacking as the most outstanding performer in this context.