Object

Tytuł odmienny:

Means of Addressing Data Imbalance in Credit Card Fraud Detection

Autor:

Małowiecki, Andrzej

Współtwórca:

Dudycz, Helena. Redaktor

Opis:

Wrocław: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, 2023, s. 106-119

Abstrakt:

Nierówność danych (ang. data imbalance) jest jednym z najpowszechniejszych problemów przy zadaniu klasyfikacji. W uczeniu maszynowym próbka danych ma stanowić wiarygodne odzwierciedlenie całości populacji. Jednak równie istotny jest fakt, żeby była zbudowana w sposób, który zapewni modelowi najlepsze warunki w procesie uczenia. Znalezienie równowagi między tymi dwoma aspektami stanowi jedno z wyzwań współczesnego data science. Celem tego artykułu jest sprawdzenie skuteczności różnych metod rozwiązania problemu nierównowagi danych. W tym celu stworzono kilka modeli klasyfikacji binarnej korzystających ze zbioru danych dotyczących oszustw związanych z kartami kredytowymi. Wykorzystano w nich różne sposoby rozwiązania problemu nierównowagi danych w celu porównania skuteczności klasyfikacji każdego z nich. Została do tego użyta autorska miara skuteczności wykorzystująca wskaźnik F1 modelu oraz czas wykonania kodu.

Wydawca:

Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu

Miejsce wydania:

Wrocław

Data wydania:

2023

Typ zasobu:

rozdział

Identyfikator zasobu:

doi:10.15611/2023.81.7.08 ; oai:dbc.wroc.pl:125401

Język:

pol

Powiązania:

Debiuty Studenckie 2023 ; Informatyka w biznesie

Prawa:

Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy

Prawa dostępu:

Dla wszystkich zgodnie z licencją

Licencja:

CC BY-SA 4.0

Lokalizacja oryginału:

Uniwersytet Ekonomiczny we Wrocławiu