Öz

Kredi kartı dolandırıcılığı veri kümeleri aşırı derecede dengesizdir. Bu çalışmada SMOTE, Borderline-SMOTE, ADASYN ve SMOTE-Tomek yöntemleri; rastgele orman, XGBoost ve LightGBM sınıflandırıcılarıyla birlikte sistematik olarak değerlendirilmiştir. Deneyler 284.807 işlem içeren açık veri kümesinde tabakalı çapraz doğrulama ile yürütülmüştür. SMOTE-Tomek ile birleştirilen XGBoost modeli 0,88 PR-AUC ile en iyi sonucu vermiştir. Aşırı örneklemenin yalnızca eğitim katmanlarında uygulanmasının veri sızıntısını önlemede kritik olduğu gösterilmiştir.

Anahtar Kelimeler:dolandırıcılık tespitidengesiz veriSMOTEXGBoostsınıflandırma

Tam Metin

PDF (EN) İndir · 8.2 KB

Beyanlar

Etik Kurul Onayı
This study does not require ethics committee approval.
Çıkar Çatışması
The authors declare no conflict of interest.

Kaynakça 6

  1. Chawla, N. V., Bowyer, K. W., Hall, L. O., & Kegelmeyer, W. P. (2002). SMOTE: Synthetic minority over-sampling technique. Journal of Artificial Intelligence Research, 16, 321–357. https://doi.org/10.1613/jair.953
  2. Chen, T., & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. In Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 785–794). https://doi.org/10.1145/2939672.2939785
  3. Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5–32. https://doi.org/10.1023/A:1010933404324
  4. Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30.
  5. Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning (2nd ed.). Springer. https://doi.org/10.1007/978-0-387-84858-7
  6. Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., et al. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12, 2825–2830.

Atıf Göster

Şahin, M., & Nurlanovna, A. (2024). Dengesiz Veri Kümelerinde SMOTE Türevleriyle Kredi Kartı Dolandırıcılığı Tespiti. Uluslararası Bilim ve Teknoloji Araştırmaları Dergisi, 6(2), 27–45. https://doi.org/10.99999/ubtad.2024.6
BibTeX RIS (EndNote, Zotero, Mendeley)

Lisans

CC BY 4.0

© 2024 Merve Şahin, Aigerim Nurlanovna. Bu makale, orijinal eser ve kaynağına uygun atıf yapılması koşuluyla her türlü ortamda sınırsız kullanım, dağıtım ve çoğaltmaya izin veren CC BY 4.0 lisansı altında dağıtılmaktadır. Lisans metni