AVALIAÇÃO DE COMBINAÇÕES DE TÉCNICAS DE BALANCEAMENTO DE DADOS E DE SELEÇÃO DE ATRIBUTOS NA DETECÇÃO DE FRAUDE EM TRANSAÇÕES ONLINE DE CARTÃO DE CRÉDITO

Abstract

Due to the increase in e-commerce and credit card use, fraud detection has become a challenge for cardholders, issuing banks, brands and retailers. Despite the losses, this type of fraud still represents a small portion of transactions, defining a data imbalance problem in the areas of fraud detection within the financial system. This work evaluates various combinations of feature selection techniques, class balancing, and classification. Undersampling, oversampling techniques, and classifier threshold adjustments were used to balance the classes. The objective is to create a pipeline that allows the reproducibility and expansion of evaluations of these techniques. The combinations were tested on two imbalanced datasets and evaluated using the F 1 -scor e metric. The results show improved performance when implementing data balancing techniques and optimal classification threshold adjustments.

Devido ao aumento do comércio eletrônico e do uso de cartões de crédito, as fraudes com cartões de crédito tornaram-se um desafio para titulares de cartão, bancos emissores, bandeiras e lojistas. Apesar dos prejuízos, essas fraudes ainda representam uma pequena parte das transações, caracterizando um problema de desbalanceamento de dados nas áreas de detecção de fraudes do sistema financeiro. Este trabalho avalia várias combinações de técnicas de seleção de atributos, balanceamento de classes e algoritmos de classificação. Para balancear as classes, foram usadas técnicas de subamostragem, superamostragem e ajustes de limiares nos classificadores. O objetivo é criar um pipeline que permita a reprodutibilidade e ampliação das avaliações dessas técnicas. As combinações foram testadas em dois conjuntos de dados desbalanceados, avaliados pela métrica escore F 1 . Os resultados mostram um ganho de desempenho quando são implementadas técnicas de balanceamento de dados e otimização de limiares de classificação.