Comportement normal vs anormal

Détection de fraude en Python

Charlotte Werger

Data Scientist

Détection de fraude sans étiquettes

• Utiliser l'apprentissage non supervisé pour distinguer le normal de l'anormal
• Un comportement anormal n'est pas toujours frauduleux
• Difficile à valider, donc un vrai défi
• Mais… réaliste, car bien souvent vous n'avez pas d'étiquettes fiables

Qu'est‑ce qu'un comportement normal ?

• Décrivez bien vos données : tracer des histogrammes, repérer les valeurs aberrantes, examiner les corrélations et discuter avec l'analyste fraude
• Existe‑t‑il des cas historiques connus de fraude ? Qu'est‑ce qui les caractérise ?
• Le comportement « normal » d'un type de client peut ne pas l'être pour un autre
• Vérifiez les motifs par sous‑groupes : vos données sont‑elles homogènes ?

Segmentation de la clientèle : normalité à l'intérieur des segments

Passons à la pratique !

Détection de fraude en Python