استفاده از درخت تصميم در تشخيص پول شويي

پول شویی فعالیتی غیرقانونی است كه در طی انجام آن، عواید و درآمدهای ناشی از اعمال خلاف قانون، مشروعیت می یابد. به عبارت دیگر پول های كثیف ناشی از اعمال خلاف به پول های به ظاهر تمیز تبدیل می شوند و در بدنه اقتصاد جایگزین میشود . از این رو در سالهای اخیر سیستم های مبارزه با پول شویی توسعه زیادی پیداكرده اند. داده كاوی ازجمله متدهایی است كه در این زمینه روش های متنوعی را ارائه داده است. این حوزه از دانش با همكاری حوزه هایی چون یادگیری ماشین و سیستم های پایگاه داده ای توانسته راه حل هایی برای مبارزه با این پدیده شوم اقتصادی مطرح كند. ازجمله مفاهیم مهم و كارآمد در زمینة یادگیری ماشین و داده كاوی درخت تصمیم است. در این مقاله ما یك روش مبتنی بر درخت تصمیم را ارائه می دهیم كه میزان ریسك پول شویی مشتریان را محاسبه كند. ما در اینجا سعی كردیم با افزایش درخت های تصمیم و ساخت درخت های بیشتر نتایج بهتری را حاصل كنیم. ساخت درخت های بیشتر و تركیب نتایج آنها كمك میكند كه خطاهای موجود در یك درخت پوشانده شود. نتایج حاصله نیز این موضوع را نشان می دهد.