МАШИНАНЫ ОҚЫТУ АРҚЫЛЫ КРЕДИТ КАРТАЛАРЫНЫҢ ОПЕРАЦИЯЛАРЫНДАҒЫ АЛДАУДЫ АНЫҚТАУ: САЛЫСТЫРМАЛЫ ТАЛДАУ
##plugins.pubIds.doi.readerDisplayName##:
https://doi.org/10.54309/IJICT.2026.26.2.020Кілт сөздер:
Машиналық оқыту, Кездейсоқ Орман, Логистикалық Регрессия, Алаяқтық, Гиперпараметрлерді оңтайландыру, XGBoost, Градиентті күшейтуАңдатпа
Цифрлық-қаржылық операциялардың қарқынды өсуі алаяқтық әрекеттердің қаупін арттырды. Бұл алаяқтықты анықтаудың тиімді әдістеріне деген қажеттілікті күшейтті. Бұл зерттеу жұмысы машиналық оқыту әдістеріне негізделген кешенді тәсілді қолдана отырып, кредит картасымен жасалатын транзакцияларда алаяқтықты анықтау әдісін ұсынады. Мақалада деректерді жан-жақты зерттеу, алдын ала өңдеу, класстарды теңгерімге келтіру арқылы модельдерді оқыту және гиперпараметрлерді оңтайландыру қарастырылды. Кредит картасымен төлемдер деректер қорында (284 807 транзакция, 31 белгі) жүргізілген тәжірибелер нәтижесінде XGBoost моделі (үлгілерді таңдаусыз) ең жақсы нәтиже көрсетіп, қисық астындағы аудан (AUC) 96,82% және орташа дәлдік 88% болды. Бұл тәсіл деректерге негізделгендіктен, ол жаңа алаяқтық үлгілеріне бейімделіп, күдікті әрекеттерді жоғары дәлдікпен анықтай алады. Сонымен қатар, модельдің үлкен көлемдегі деректерді нақты уақытта өңдеу қабілеті оны қаржылық мекемелер үшін тиімді шешімге айналдырады. Бұл архитектураның басты артықшылықтарының бірі – дәстүрлі әдістермен салыстырғанда жоғары өткізу қабілетін қамтамасыз ете отырып, жылдам жауаптың қайтарылуы.
##plugins.generic.usageStats.downloads##
Жүктеулер
Жарияланды
Дәйексөзді қалай келтіруге болады
Журналдың саны
Бөлім
Лицензия
Авторлық құқық (c) 2026 ХАЛЫҚАPАЛЫҚ АҚПАРАТТЫҚ ЖӘНЕ КОММУНИКАЦИЯЛЫҚ ТЕХНОЛОГИЯЛАР ЖУРНАЛЫ
Бұл жұмыс Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 Дүние жүзінде.
https://creativecommons.org/licenses/by-nc-nd/3.0/deed.en