Τεχνικές εξόρυξης γνώσης και μηχανικής μάθησης σε οικονομικά δεδομένα και εφαρμογές σε συναλλαγές πιστωτικών καρτών

Abstract

Στην παρούσα εργασία έγινε μια βιβλιογραφική μελέτη πάνω στη Μηχανική Μάθηση και τις δίαφορες τεχνικές εξόρυξης γνώσης. Αναλύθηκαν κάποιοι απο τους πιο δημοφιλείς αλγόριθμους κατηγοριοποίησης, ενώ έγινε εκτενής ανάλυση των ιδιαιτεροτήτων και των ορθών πρακτικών της εφαρμογής της Μηχανικής Μάθησης στον χρηματοοικονομικό χώρο. Μετέπειτα ορίστηκε το πρόβλημα της ανίχνευσης απάτης σε συναλλαγές πιστωτικών καρτών, ως πρόβλημα κατηγοριοποίησης σε σύνολο δεδομένων όπου παρουσιάζεται ισχυρή ανισορροπία στην εκπροσώπηση των δυο κλάσεων εντός του συνόλου. Κατασκευάστηκαν συνολικά 20 διαφορετικά μοντέλα κατηγοριοποίησης με την εφαρμογή των τεσσάρων πιο δημοφιλών τεχνικών χειρισμού ανισόροπων συνόλων δεδομένων. Τα μή ποιοτικά αποτελέσματα της απόδοσης των κατηγοριοποιητών ανέδειξαν ένα επιπρόσθετο πρόβλημα που σε πολλές περιπτώσεις, σύμφωνα με τη βιβλιογραφία, δείχνει να παίζει σημαντικότερο ρόλο απο αυτό της ανισορροπίας των κλάσεων στην προσπάθεια κατηγοριοποίησης, το πρόβλημα των επικαλυπτόμενων κατανομών. Γεγονός που υποδεικνύει πως σε γενικές γραμμές, δεν υπάρχει κάποια ‘καλύτερη’ μέθοδος ή αλγόριθμος, απλά σε κάποιες περιπτώσεις κάποιες τεχνικές λειτουργούν καλύτερα απο άλλες.