يافتن مشاهدات ناهنجار استوار بر اساس الگوريتم داده كاوي جنگل تصادفي در تشخيص تقلب كارتهاي اعتباري

در این پژوهش، روشی برای تشخیص مشاهدات ناهنجار استوار در تشخیص تقلب كارت های اعتباری ارائه شده است. به طور كلی تشخیص تقلب، یك مسئله طبقه بندی با نظارت است كه در آن تراكنش های كارتهای اعتباری، به دو كلاس "قانونی" و "كلاهبردارانه" طبقه بندی می شوند. این پژوهش به دنبال آن است كه بتواند مشاهدات ناهنجاری كه توسط الگوریتم های مختلف داده كاوی به عنوان مشاهدات كلاهبردانه تشخیص داده شده است را پیدا كند. تشخیص مشاهدات ناهنجار استوار در این پژوهش سه مرحله دارد: ابتدا با توجه به اینكه در مجموعه داده ی در دسترس، نقاط پرت به صورت برچسب مشخص نشده اند، با استفاده از روش جنگل تصادفی، امتیازهای پرت بودن هر مشاهده محاسبه می شود. هر چه این امتیاز بیشتر باشد، احتمال اینكه آن مشاهده، یك مشاهده ی ناهنجار باشد، بیشتر می شود. سپس در سه سناریوی مختلف مشاهداتی كه 15%، 20% و 25% بیشترین امتیازها را دارند به عنوان برچسب كلاهبردارانه (مثبت) و سایر مشاهدات به عنوان مشاهدات قانونی طبقه بندی می شوند. آنگاه در هر سناریو، دو مدل دسته بندی میزان شده ی درخت تصمیم گیری Bagging و رگرسیون لوژستیك، جهت تشخیص نقاط پرت روی مجموعه داده ها برازش داده می شوند. سپس نتایج آنها با هم مقایسه می شوند و در نهایت مشاهداتی كه در هر دو الگوریتم فوق، به عنوان مشاهدات پرت پیش بینی شده اند، به عنوان مشاهدات پرت استوار (یا با اطمینان بالا) در نظر گرفته می شوند.