Análisis comparativo de técnicas de aprendizaje automático para detectar fraude en tarjetas de crédito

Simple item page
dc.contributor.advisorOchoa Luna, Jose Eduardo
dc.contributor.authorTong Chabes, Luis
dc.date.accessioned2019-12-27T22:23:55Z
dc.date.available2019-12-27T22:23:55Z
dc.date.issued2019
dc.description.abstractEste estudio resalta la importancia de llevar un control para detectar fraudes en tarjetas de crédito para prevenir diferentes riesgos hacia nuestros bienes. Las técnicas de Aprendizaje Automático han demostrado ser la solución para el aprendizaje supervisado. Este trabajo identifica técnicas como Máquinas de Vectores de Soporte, Clasificador Bayesiano Ingenuo, Bosques Aleatorios, Red Neuronal y Extreme Gradiente Boost como las mejores técnicas según los trabajos relacionados. Este trabajo se enfocó en realizar todo el proceso que aborda un proyecto como este, es decir ingeniería de características, preparar los datos, lidiar con el desbalance de datos, entre otros. Se usó como herramienta de evaluación de rendimiento la validación cruzada k-fold para encontrar la mejor parametrización de cada una de estas técnicas, que son evaluadas con métricas de desempeño como exactitud y puntaje f1. Y finalmente hacer una comparación de estos resultados agregando pruebas estadísticas como t de estudiante para obtener la técnica ganadora.es_PE
dc.description.uriTrabajo de investigaciónes_PE
dc.formatapplication/pdfes_PE
dc.identifier.other1072128
dc.identifier.urihttps://hdl.handle.net/20.500.12590/16166
dc.language.isospaes_PE
dc.publisherUniversidad Católica San Pabloes_PE
dc.publisher.countryPEes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/es_PE
dc.sourceUniversidad Católica San Pabloes_PE
dc.sourceRepositorio - UCSPes_PE
dc.subjectML Aprendizaje Automáticoes_PE
dc.subjectXgBoost Extreme Gradiente Boostes_PE
dc.subjectSVM Máquinas de Vectores de Soportees_PE
dc.subjectBR Regularización Bayesianaes_PE
dc.subjectGDA Gradiente de Descenso Adaptativoes_PE
dc.subjectNBC Clasificador Bayesiano Ingenuoes_PE
dc.subjectKNN K vecinos más cercanoses_PE
dc.subjectRF Bosques Aleatorioses_PE
dc.subjectANN Red Neuronales_PE
dc.subjectLR Regresión Logísticaes_PE
dc.subjectTB Impulso del árboles_PE
dc.subjectPCA Análisis de Componentes Principaleses_PE
dc.subjectTP Verdadero Positivoes_PE
dc.subjectTN Verdadero Negativoes_PE
dc.subjectFP Falso Positivoes_PE
dc.subjectFN Falso Negativoes_PE
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#1.02.01es_PE
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#1.02.01es_PE
dc.titleAnálisis comparativo de técnicas de aprendizaje automático para detectar fraude en tarjetas de créditoes_PE
dc.typeinfo:eu-repo/semantics/bachelorThesis
thesis.degree.disciplineCiencia de la Computaciónes_PE
thesis.degree.grantorUniversidad Católica San Pablo. Facultad de Ingeniería y Computaciónes_PE
thesis.degree.levelBachilleres_PE
thesis.degree.nameBachiller en Ciencia de la Computaciónes_PE
thesis.degree.programEscuela Profesional de Ciencia de la Computaciónes_PE
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
TONG_CHABES_LUI_COM.pdf
Size:
947.88 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Tesis - Ciencias de la Computación