Дипломная работа на тему: Применение методов машинного обучения в целях выявления мошеннических операций в банке

План работы:

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ И ОБОЗНАЧЕНИЙ 3
ВВЕДЕНИЕ 6
ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПРИМЕНЕНИЯ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ВЫЯВЛЕНИЯ МОШЕННИЧЕСКИХ ОПЕРАЦИЙ 11
1.1. Актуальность проблемы мошенничества в банковской сфере 11
1.2. Методы машинного обучения в антифроде 15
1.2.1. Большие данные 16
1.2.2. Машинное обучение в больших данных при анализе финансовых транзакций 18
1.2.3. Модели машинного обучения 21
1.2.3.1. Random Forest 21
1.2.3.2. Decision Tree 23
1.2.3.3. Алгоритм k-ближайших соседей (KNN) 25
1.2.3.4. XGBoost (eXtreme Gradient Boosting) 27
1.2.4. Сравнительный анализ и интеграция методов 29
1.3. Системы противодействия мошенничеству и их роль в банковской сфере 34
1.4. Архитектура системы противодействия мошенничеству с применением анализа данных 37
1.4.1. Многослойный сбор и интеграция данных 38
1.4.2. Анализ данных с использованием машинного обучения 40
1.4.3. Централизованное хранилище данных и аналитика 43
Выводы по первой главе 48
ГЛАВА 2. АНАЛИЗ, РЕАЛИЗАЦИЯ И СОВЕРШЕНСТВОВАНИЕ СИСТЕМЫ ПРОТИВОДЕЙСТВИЯ МОШЕННИЧЕСТВУ 49
2.1. Анализ набора данных и его особенности 49
2.1.1. Структура и описание набора данных 51
2.1.2. Первичный обзор данных 53
2.1.3. Анализ категориальных переменных 56
2.1.4. Анализ распределения непрерывных переменных 59
2.1.5. Корреляционный анализ 64
2.1.6. Выводы о результатах проведенного анализа данных 67
2.2. Проблемы масштабирования и точности при обнаружении мошенничества 68
2.3. Проведение первичных исследований 74
2.4. Применение методов уменьшения размерности PCA, TSNE, TSVD 82
2.5. Применение методов подбора наилучших гиперпараметров модели МО 84
2.6. Проведение заключительных исследований 88
2.7. Проверка на переобучение модели 100
Выводы по второй главе 102
ЗАКЛЮЧЕНИЕ 103
СПИСОК ЛИТЕРАТУРЫ 106
ПРИЛОЖЕНИЕ 111