Samenvatting

Fraudedetectie in Python

Charlotte Werger

Data Scientist

Werken met onevenwichtige data

• Gewerkt met sterk onevenwichtige fraudedata
• Geleerd hoe je je data kunt resamplen
• Geleerd over verschillende resampling-methoden

Fraudedetectie met gelabelde data

• Supervised learning-technieken opgefrist om fraude te detecteren
• Betrouwbare metrics opgehaald en gewerkt met de precision-recall trade-off
• Gezien hoe je modelparameters optimaliseert voor fraudedata
• Ensemblemethoden toegepast op fraudedetectie

Fraudedetectie zonder labels

• Belang van segmentatie geleerd
• Kennis van clusteringmethoden opgefrist
• Fraude gedetecteerd via outliers en kleine clusters met K-means
• Een DBSCAN-clustermodel toegepast voor fraudedetectie

Text mining voor fraudedetectie

• Fraudedetectie aangevuld met text mining-technieken
• Woordzoekacties gebruikt om termen te vlaggen en topic modeling toegepast voor fraudedetectie
• Effectief rommelige tekstdata opgeschoond

Verder leren over fraudedetectie

• Netwerkanalyse voor fraudedetectie
• Diverse supervised en unsupervised learning-technieken (bijv. neurale netwerken)
• Werken met zeer grote data

Einde van deze cursus

Fraudedetectie in Python