O uso de técnicas de Machine Learning para melhorar a prevenção à fraude

Abstract

Nesse estudo, com a utilização de técnicas de machine learning, procuramos construir um modelo de detecção de fraudes em cartões de crédito, que seja útil para detectar antecipadamente atos ilícitos e contribuir para reduzir prejuízos para as corporações. Utilizamos uma base de dados com transações de cartões de crédito, disponibilizada no site Kaggle e aplicamos técnicas de classificação, em especial os modelos Random Forest, Regressão Logistica e Redes Neurais. A expansão da tecnologia moderna e da comunicação global tem propiciado uma maior ocorrência de fraudes, que resulta em perdas substanciais para os negócios. Detectar fraudes e principalmente prever sua ocorrência, portanto, é uma questão de sobrevivência para as corporações. Modelos cada vez mais precisos podem ser elaborados com o advento da inteligência artificial e do machine learning, bem como, como o auxílio dos big datas e advanced analytics. Embora seja impossível impedir a fraude, considerando que é uma atividade inerentemente humana, podemos usar tecnologias de detecção e prevenção, além de engenharia social, para tentar reduzir o risco e ficar um passo à frente dos fraudadores. Como resultado o leitor é capaz de compreender e aprender sobre um pipeline que pode auxiliar na prevenção à fraude, e observamos que é possível obter melhores resultados por meio da análise exploratória e a customização das técnicas disponíveis, sendo o modelo de Random Forests o que apresentou melhor performance nos testes deste estudo.