روشی برای دسته بندی و تشخیص تراکنش های تقلبی بانکی با مجموعه داده نامتوازن

در این مقاله به ارائه روشی جدید برای دسته بندی تراکنش های تقلبیی در بانی پرداخته شده است. از آنجایی که معمولاً درمجموعه داده بانکی تعداد تراکنش های تقلبی نسبت به تعداد تراکنش های غیرتقلبی ناچیز می باشد حالتی برای مجموعه داده بانکیرخ خواهد داد که به اصطلاح به این مجموعه داده ی مجموعه داده نامتوازن گفته می شود لذا برای انجام تشخیص تراکنش هایتقلبی و دسته بندی درست آن نیازمند مدلی می باشیم که علی رغم سادگی و کارا بودن بتواند بدون در نظر گرفتن توازن نابرابر درداده ها عمل دسته بندی را به درستی انجام دهد. روشهای شناخته شده برای دسته بندی نظیر درخت تصیمیم و کانزدیکترینهمسایه و ... به علت ماهیت نامتوازن بودن داده های کلاس ها نمی توانند به درستی عمل دسته بندی را انجام دهند و تمایل بهدسته بندی داده های ورودی (تقلبی و غیرتقلبی) در کلاس اکثریت (تقلبی) می باشند لذا باید ابتدا عمل پیش یردازش بررویداده های نامتوازن صورت پذیرد و نمونه برداری مجدد بر روی مجموعه داده انجام شود و بعد از آن عمل دسته بندی بر رویمجموعه داده اصلاح شده انجام بگیرد. در این روش ابتدا مجموعه داده ها یکبار بر اساس الگوریتم تکنیک نمونه برداری مصنوعیکلاس اقلیت مجدداً نمونه برداری می شود و بار دیگر با استفاده از معیار کانزدیک ترین همسایه نمونه برداری دیگری مجدداً صورتمی پذیرد. سپس دو مجموعه داده نمونه برداری شده توسط دو دسته بند شبکه عصبی مجزا آموزش دیده شده و در نهایت خروجیاین دو دسته بند به دسته بند شبکه عصبی جهت تعیین مقدار آستانه و تشخیص نهایی تراکنش تقلب و عدم تقلب در تیراکنش دادهمی شود. لازم به ذکر است که معیار فراخوانی در روش پیشنهادی نتیجه بهتری نسبت به دسته بندهای معمول نظیر درخت تصمیمو شبکه بیزین و ماشین بردار پشتیبان و ... از خود نشان داد.

کلیدواژه ها:

داده های نامتوازن ، شبکه عصبی ، تراکنش تقلبی و غیرتقلبی ، دسته بندی ، فاصله منهتن ، کا نزدیکترین همسایه ، مجموعه داده بانکی ، داده کاوی