Методи класифікації незбалансованих даних у задачах виявлення шахрайства

Скорочена інформація про документ
dc.contributor.advisorКупенко, Ольга Петрівна
dc.contributor.authorГапон, Максим Олегович
dc.date.accessioned2023-09-15T09:35:32Z
dc.date.available2023-09-15T09:35:32Z
dc.date.issued2023
dc.description.abstractДипломнa робота: 111 сторінок, 23 рисунки, 9 таблиць, 2 додатки, 42 джерела. Об’єктом дослідження є відкритий набір даних про транзакції наданий компанією Vesta. Ця робота присвячена методам класифікації незбалансованих даних у задачі виявлення фінансового шахрайства. Зосереджуючись на нерівномірному розподілі класів, що характеризується шахрайськими транзакціями і нормальними транзакціями, в роботі проводиться детальний аналіз та експерименти з використанням градієнтних бустингових моделей. Предметом дослідження є методи машинного навчання та інтелектуального аналізу даних для моделювання і класифікації фінансових транзакцій для виявлення фінансового шахрайства, а також методи пошуку найкращої архітектури моделі машинного навчання і відповідно її найкращих гіперпараметрів. Метою роботи є аналіз характеру поведінки шахраїв на основі даних про транзакцію за допомогою машинного навчання, гіперпараметрів для задачі класифікації фінансових транзакцій.uk
dc.description.abstractotherBachelor thesis: 111 pages, 23 figures, 9 tables, 2 appendixes, 42 sources. The object of the study is an open dataset of transactions provided by Vesta. This work is devoted to methods of classification of imbalanced dataset in the problem of financial fraud detection. Focusing on the skewed distribution of classes characterized by fraudulent transactions and normal transactions, the paper conducts detailed analysis and experiments using gradient boosting models. The subject of the study is the methods of machine learning and intelligent data analysis for modeling and classification of financial transactions for the detection of financial fraud, as well as methods of finding the best architecture of the machine learning model and, accordingly, its best hyperparameters. The purpose of the work is to analyze the behavior of fraudsters based on transaction data using machine learning, hyperparameters for the task of classifying financial transactions.uk
dc.format.extent111 с.uk
dc.identifier.citationГапон, М. О. Методи класифікації незбалансованих даних у задачах виявлення шахрайства : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Гапон Максим Олегович. – Київ, 2023. – 111 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/60376
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectмашинне навчанняuk
dc.subjectпошук гіперпараметрівuk
dc.subjectвиявлення шахрайстваuk
dc.subjectнезбалансований набір данихuk
dc.subjectметод головних компонентuk
dc.subjectmachine learninguk
dc.subjecthyperparameter optimizationuk
dc.subjectfraud detectionuk
dc.subjectimbalanced datasetuk
dc.subjectprincipal component analysisuk
dc.titleМетоди класифікації незбалансованих даних у задачах виявлення шахрайстваuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Hapon_bakalavr.pdf
Розмір:
2.2 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ШІ)
Бакалаврські роботи