Topluluk öğrenimi ile kredi kartı dolandırıcılık tespiti: karşılaştırmalı bir analiz
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ENDÜSTRİ MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: BARIŞ AKYÜZ
Danışman: Selin Soner Kara
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Kredi kartı hırsızlık vakalarını önleme çalışmaları giderek artan kart kullanım sayılarına bağlı olarak önemini sürdürmeye devam etmektedir. Bu çalışmanın amacı, kredi kartı müşterilerine ait mevcut işlemleri analiz ederek çok sayıda normal işlemin arasından az sayıdaki hırsızlık işlemlerini doğru tespit etmeyi sağlayan etkin tahmin modelini oluşturmaktır. Bu amaçla literatürde sıklıkla tercih edilen Makine Öğrenmesi algoritmaları kullanılarak veri hazırlığından tahmin modeli oluşturmaya, performans parametresi seçiminden model gruplamaya kadar farklı uygulama adımları ele alınmıştır. Öncelikle işlem verisini hazırlamak ve başlangıç noktasını görmek amacıyla bir tahmin modeli üretilmiştir. Böylece öğrenme verisinde farklı gözlem boyutu sayısı ve hırsızlık oranı değerlerinin test verisindeki tahmin sonuçlarına etkisi baz model aracılığıyla test edilerek ortaya çıkarılmıştır. Tahmin sonuçlarını yorumlamak amacıyla, problemin gözlem dengesizliğine uygun olduğundan dolayı F1 skoru değeri birincil performans göstergesi olarak belirlenmiştir. Sonrasında uygulama verisine ait müşteri numarası, harcama tutarı, işlem tarihi gibi temel özellikler kullanılarak haftalık, aylık gibi çeşitli periyotları kapsayan müşteri ve iş yeri bazlı yardımcı özellikler üretilmiştir. Üretilen yardımcı özelliklerin ardından literatürde öne çıkan makine öğrenmesi algoritmaları sınıflandırma tahmini amacıyla önce teker teker kullanılmış, ardından tahmin sonuçları incelendikten sonra önerilen risk algısı bazlı seçim kriterine göre üç farklı şekilde gruplama için seçim yapılmıştır. Seçilen tekil tahmin modellerinin gruplanması ise çeşitli yollarla yapılmıştır. İyimser, kötümser, ortalama gibi temel yaklaşımlara ek olarak ağırlıklı ortalama, uzlaşma (Hurwicz kriteri), yumuşak oylama (soft voting), üst katman öğrenme gibi ek yaklaşımlar değerlendirilmiştir. Gruplanmış modellerin tekil modeller ile elde edilen başarı seviyesini arttırdığı görülmüştür.