परिचय और प्रेरणा

R में Fraud Detection

Bart Baesens

Professor Data Science at KU Leuven

प्रशिक्षक

धोखाधड़ी क्या है?

धोखाधड़ी एक ऐसी अपराध है जो अक्सर दुर्लभ, सोच-समझकर की गई, बारीकी से छिपी, समय के साथ बदलती और अक्सर सुव्यवस्थित होती है, तथा कई रूपों में दिखती है।

भेड़ की खाल में भेड़िया

धोखाधड़ी का प्रभाव

धोखाधड़ी बहुत दुर्लभ है, पर इसे न पकड़ने की कीमत बहुत बड़ी हो सकती है!
उदाहरण:
- संगठन हर साल अपनी कुल आय का 5% धोखाधड़ी में खो देते हैं
- व्यवसायों का नुकसान > $3.5 ट्रिलियन प्रति वर्ष
- क्रेडिट कार्ड कंपनियाँ हर $100 के लेनदेन पर लगभग 7 सेंट खोती हैं
- नॉन-लाइफ़ इंश्योरेंस के दावों में से 5-10% राशि धोखाधड़ी में जाती है

धोखाधड़ी के प्रकार

एंटी-मनी लॉन्ड्रिंग
चेक धोखाधड़ी
क्रेडिट कार्ड धोखाधड़ी
कस्टम्स धोखाधड़ी
नकली/काउंटरफिट
पहचान की चोरी
बीमा धोखाधड़ी
मॉर्टगेज धोखाधड़ी
नॉन-डिलीवरी धोखाधड़ी

ऑनलाइन धोखाधड़ी
प्रोडक्ट वारंटी धोखाधड़ी
टैक्स चोरी
टेलीकम्युनिकेशन धोखाधड़ी
इन्वेंट्री की चोरी
टिकट धोखाधड़ी
ट्रांज़िट धोखाधड़ी
वायर धोखाधड़ी
वर्कर्स कम्पेंसेशन धोखाधड़ी

सफल fraud analytics मॉडलों की मुख्य विशेषताएँ

सांख्यिकीय शुद्धता

रोबिनहुड

सफल fraud analytics मॉडलों की मुख्य विशेषताएँ

सांख्यिकीय शुद्धता
व्याख्येयता

माइनॉरिटी रिपोर्ट

सफल fraud analytics मॉडलों की मुख्य विशेषताएँ

सांख्यिकीय शुद्धता
व्याख्येयता
रेगुलेटरी अनुपालन

रेगुलेटरी

सफल fraud analytics मॉडलों की मुख्य विशेषताएँ

सांख्यिकीय शुद्धता
व्याख्येयता
रेगुलेटरी अनुपालन
आर्थिक प्रभाव

डैगोबर्ट

सफल fraud analytics मॉडलों की मुख्य विशेषताएँ

सांख्यिकीय शुद्धता
व्याख्येयता
रेगुलेटरी अनुपालन
आर्थिक लागत
विशेषज्ञ-आधारित तरीकों को डेटा-चालित तकनीकों से पूरक करें

मनुष्य और मशीन

धोखाधड़ी पहचान मॉडल की चुनौतियाँ

असंतुलन
- जैसे, क्रेडिट कार्ड धोखाधड़ी में आमतौर पर < 0.5% केस

घास के ढेर में सुई

धोखाधड़ी पहचान मॉडल की चुनौतियाँ

असंतुलन
- जैसे, क्रेडिट कार्ड धोखाधड़ी में आमतौर पर < 0.5% केस
ऑपरेशनल कार्यक्षमता
- जैसे, क्रेडिट कार्ड धोखाधड़ी में निर्णय समय < 8 सेकंड

फ़्लैश

धोखाधड़ी पहचान मॉडल की चुनौतियाँ

असंतुलन
- जैसे, क्रेडिट कार्ड धोखाधड़ी में आमतौर पर < 0.5% केस
ऑपरेशनल कार्यक्षमता
- जैसे, क्रेडिट कार्ड धोखाधड़ी में निर्णय समय < 8 सेकंड
अच्छे ग्राहकों को परेशान करने से बचें

अच्छा ग्राहक

असंतुलित डेटा

एक बड़े तूफ़ान के बाद, एक बीमा कंपनी को कई दावे मिले
- धोखाधड़ी वाले दावों को 1 और वैध दावों को 0 से लेबल किया गया है
डेटा में धोखाधड़ी का प्रतिशत इन फंक्शन से निकाला जा सकता है:
- table() और prop.table()
अनुपात जानने के लिए prop.table(table(...)) का उपयोग करें

prop.table(table(fraud_label))

     0      1
0.9911 0.0089

पाई चार्ट से असंतुलन का विज़ुअलाइज़ेशन

labels <- c("no fraud", "fraud")
labels <- paste(labels, round(100 * prop.table(table(fraud_label)), 2), "%")
pie(table(fraud_label), labels, col = c("blue", "red"),
      main = "Pie chart of storm claims")

stormclaims

Confusion matrix

धोखाधड़ी पहचान मॉडल का मूल्यांकन करने के लिए उपयोग करें:

कनफ्यूज़न मैट्रिक्स

मान लें कोई डिटेक्शन मॉडल नहीं है, इसलिए सभी दावे वैध माने जाते हैं:

predictions <- rep.int(0, times = nrow(claims))
predictions <- factor(predictions, levels = c("no fraud", "fraud"))

पैकेज caret का फंक्शन confusionMatrix():

library(caret)
confusionMatrix(data = predictions, reference = fraud_label)

             Reference
 Prediction    0   1
            0 614  14
            1   0   0                                   
 Accuracy : 0.9777

धोखाधड़ी न पकड़ने की कुल लागत: दावों का उदाहरण

धोखाधड़ी की कुल लागत = सभी धोखाधड़ी राशियों का योग
यदि कोई धोखाधड़ी न पकड़ी जाए तो कुल लागत:
```
> total_cost <- sum(claim_amount[fraud_label == "fraud"])
> print(total_cost)
```

अभ्यास करते हैं!

R में Fraud Detection