Sahtekarlık tespit algoritmaları iş başında

Python ile Sahtekarlık Tespiti

Charlotte Werger

Data Scientist

Kurallara dayalı sistemlerle geleneksel sahtekarlık tespiti

Kurallara dayalı sistemlerin dezavantajları

Kurallara dayalı sistemlerin sınırlamaları:

Sahtekarlığı belirlemek için her kuralda sabit eşikler
Yalnızca evet/hayır çıktılarına sınırlı
Özellikler arası etkileşimi yakalayamaz

Sahtekarlık tespiti için neden machine learning?

Machine learning modelleri veriye uyum sağlar; zamanla değişebilir
Özellik başına eşik yerine tüm veriyi birlikte kullanır
Evet/hayır yerine bir skor verebilir
Genelde daha iyi performans gösterir ve kurallarla birleştirilebilir

Machine learning modellerine hızlı bir hatırlatma

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn import metrics

# Adım 1: Özellik ve etiketlerini eğitim/test olarak ayır
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# Adım 2: Kullanacağın modeli seç
model = LinearRegression()

# Adım 3: Modeli eğitim verisine uydur
model.fit(X_train, y_train)

# Adım 4: Test verisinden model tahminlerini al
y_predicted = model.predict(X_test)

# Adım 5: y_test ile tahminleri karşılaştır; performans metriklerini al
print (metrics.r2_score(y_test, y_predicted))

0.821206237313

Sıradaki bölümlerde neler yapacaksın

Bölüm 2. Supervised learning: Mevcut sahtekarlık etiketleriyle bir model eğit
Bölüm 3. Unsupervised learning: Etiket olmadan verinle 'şüpheli' davranışı belirle
Bölüm 4. Metin verisiyle sahtekarlık tespiti: Metin madenciliği ve konu modellemeyle modellerini zenginleştir

Hadi pratik yapalım!

Python ile Sahtekarlık Tespiti