Utilização de aprendizado de máquina para detecção de fraudes em cartão de crédito

Abstract

O aumento de fraudes em transações realizadas por meio de cartões de crédito é um problema severo na modernidade, que preocupa não só as pessoas, mas também as instituições financeiras e os governos. Diante desse cenário, a quantidade de investimento em pesquisas e novas tecnologias que visam coibir essas práticas criminosas tem crescido. A principal aposta dos pesquisadores é o aprendizado de máquina, com intuito de tornar capaz a predição segura e eficaz de transações fraudulentas. Nesse contexto, o presente trabalho foca em aplicar uma metodologia para detecção de fraudes e realizar comparações de performance entre os principais algoritmos utilizados pelo aprendizado de máquina, sendo eles: Regressão Logística, SVM, Random Forest, KNN, K-Means e RNA. Para isso, foi utilizado um dataset pré-processado que contém dados referentes a transações comerciais realizadas através de cartões de crédito. Após a realização dos testes utilizando uma metodologia desenvolvida, foram comparados, por meio de métricas determinadas, os resultados obtidos para cada algoritmo e foi gerado um ranking de desempenho entre eles. Ao final do presente trabalho, foi possível notar que os algoritmos Random Forest, Regressão Logística e SVM performaram bem, já os algoritmos K-Means e KNN performaram consideravelmente abaixo do esperado.