Projekt 10 · Machine Learning

Machine-Learning-Modell · Betrug mit DBSCAN

✅ veröffentlicht

Unüberwachtes DBSCAN-Clustering zur Erkennung potenzieller Muster von Kreditkartenbetrug.

Python

Machine Learning

DBSCAN

Clustering

Unüberwachtes Modell

Betrug

KONTEXT UND ZIEL

Dichte Gruppen und atypische Beobachtungen erkennen, die als explorative Betrugssignale dienen können.

DBSCAN identifiziert Dichten und isolierte Punkte, ohne die Anzahl der Cluster vorzugeben.
Atypische Muster und die Trennung von Transaktionssegmenten werden ausgewertet.
Das Ergebnis wird als exploratives Werkzeug und nicht als endgültige Betrugsdiagnose interpretiert.

Das Ergebnis dokumentiert eine dichtebasierte unüberwachte Alternative als Ergänzung zu anderen Ansätzen der Betrugserkennung.