Mi DSpace
Usuario
Contraseña
Please use this identifier to cite or link to this item: http://hdl.handle.net/UCSP/16166
Title: Análisis comparativo de técnicas de aprendizaje automático para detectar fraude en tarjetas de crédito
Authors: Tong Chabes, Luis
metadata.dc.contributor.advisor: Ochoa Luna, Jose Eduardo
Keywords: ML Aprendizaje Automático;XgBoost Extreme Gradiente Boost;SVM Máquinas de Vectores de Soporte;BR Regularización Bayesiana;GDA Gradiente de Descenso Adaptativo;NBC Clasificador Bayesiano Ingenuo;KNN K vecinos más cercanos;RF Bosques Aleatorios;ANN Red Neuronal;LR Regresión Logística;TB Impulso del árbol;PCA Análisis de Componentes Principales;TP Verdadero Positivo;TN Verdadero Negativo;FP Falso Positivo;FN Falso Negativo
Issue Date: 2019
Publisher: Universidad Católica San Pablo
Abstract: Este estudio resalta la importancia de llevar un control para detectar fraudes en tarjetas de cr´edito para prevenir diferentes riesgos hacia nuestros bienes. Las t´ecnicas de Aprendizaje Autom´atico han demostrado ser la soluci´on para aprendizaje supervisado. Este trabajo identifica t´ecnicas como M´aquinas de Vectores de Soporte, Clasificador Bayesiano Ingenuo, Bosques Aleatorios, Red Neuronal y Extreme Gradiente Boost como las mejores t´ecnicas seg´un los trabajos relacionados. Este trabajo se enfoc´o en realizar todo el proceso que aborda un proyecto como este, es decir ingenier´ıa de caracter´ısticas, preparar los datos, lidiar con el desbalance de datos, entre otros. Se us´o como herramienta de evaluaci´on de rendimiento la validaci´on cruzada k-fold para encontrar la mejor parametrizaci´on de cada una de estas t´ecnicas, que son evaluadas con m´etricas de desempe˜no como exactitud y puntaje f1. Y finalmente hacer una comparaci´on de estos resultados agregando pruebas estad´ısticas como t de estudiante para obtener la t´ecnica ganadora.
URI: http://repositorio.ucsp.edu.pe/handle/UCSP/16166
Appears in Collections:Tesis Pregrado - Ciencia de la computación

Files in This Item:
File Description SizeFormat 
TONG_CHABES_LUI_COM.pdf947.88 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.