Credit card fraud detection with autoencoders, one-class SVMs and isolation forests

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İSTATİSTİK ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: İngilizce

Öğrenci: ÖZDEMİR ÖZKUM

Danışman: Özlem İlk Dağ

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Dolandırıcılık tespiti, ekonomi ve genel popülasyon üzerinde yarattığı maliyetler sebebiyle, son yıllarda önem kazanmıştır. Ancak, dolandırıcılık tespiti yapılırken, modelleme süreçlerinde çözülmesi gereken birkaç problem söz konusudur. Bunlardan birincisi veriye erişebilirliktir. Şöyle ki, müşteriler tarafından üretilen veriler gizlilik kurallarına tabi olduklarından, yapay veri ile bir gerekliliktir. Ancak, finansal işlemlerin veri üretimi ve analiz süreçlerini yansıtan az sayıda veri bulunmaktadır. Dolandırıcılık tespitinde bir diğer nokta ise, verilerin etiketlenmemiş oluşudur. Hatta etiketlenmiş olsalar bile bu işlem kurallar aracılığıyla yürütüldüğünden bu sürecin otomatize edilmesi gerekmektedir. Bu nedenle denetimsiz öğrenme yöntemleri ile verinin kendi adına konuşmasına izin verilmesi önemlidir. Bu çalışma, bahsedilen bu nedenlerle, yapay kredi kartı verisi kullanarak, dolandırıcılık tespitinde kullanılan denetimsiz öğrenme yöntemlerine odaklanmaktadır. Kullanılan öğrenme yöntemleri Otokodlayıcılar, Seyrek Otokodlayıcılar, Tek Sınıflı Destek Vektör Makineleri ve İzolasyon Ormanları olup, karşılaştırma yapmak üzere Rassal Orman modeli de kurulmuştur. Sonuçlar göstermektedir ki denetimsiz öğrenme yöntemleri arasında en iyi performansı Geri Çağırma= 0.98, Kesinlik=0.68 ve F1 Skoru=0.81 olmak üzere Tek Sınıflı Destek Vektör Makineleri göstermiştir. Buna karşın, Rassal Orman Modeli ise Tek Sınıflı Destek Vektör Makineleri modelinden daha başarılı bir performans göstererek Geri Çağırma=0.95, Kesinlik=1.00 ve F1=0.97 skorlarını elde etmiştir.