Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/10495/20175| Título : | IEEE-CIS fraud detection: a case study for fraudulent transaction detection based on supervised learning models |
| Autor : | González Benaissa, Aarón Al Rachid |
| metadata.dc.contributor.advisor: | Sepúlveda Cano, Lina María |
| metadata.dc.subject.*: | Electronic commerce Comercio electrónico Artificial intelligence Inteligencia artificial Fraud Fraude Illegal practices Practicas Ilegales Classification systems Sistemas de Clasificación Linked open data Datos abiertos vinculados Fraud detection binary classification imbalanced data dimensionality reduction http://aims.fao.org/aos/agrovoc/c_8139c3d0 http://aims.fao.org/aos/agrovoc/c_15682 http://aims.fao.org/aos/agrovoc/c_9000017 http://aims.fao.org/aos/agrovoc/c_773acdb4 http://vocabularies.unesco.org/thesaurus/concept11036 http://vocabularies.unesco.org/thesaurus/concept3052 |
| Fecha de publicación : | 2021 |
| Resumen : | ABSTRACT : This paper proposes a solution to the Kaggle competition: "IEE-Fraud Detection", whose objective is to detect fraudulent transactions in a customer and transactional dataset collected by an E-commerce site to construct a transaction confirmation system via text messaging of the payment services company Vesta Corporation. Exploratory analysis of the data and different modeling approaches are shown, selecting the most appropriate results for anomaly detection. |
| metadata.dc.identifier.url: | https://github.com/AaronGonzalezB/monografia-especializacion-udea.git |
| metadata.dc.relatedidentifier.url: | https://github.com/AaronGonzalezB/monografia-especializacion-udea.git |
| Aparece en las colecciones: | Especializaciones de la Facultad de Ingeniería |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| AaronAlrachid_2021IEECISFraudPrediction | Trabajo de grado de especialización | 552.34 kB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
