Kartenterminal und Zahlungskarte mit Signalen der logistischen Regression zur Betrugserkennung — Patrones Lab

Projekt 09 · Machine Learning

Machine-Learning-Modell · Betrug mit logistischer Regression

✅ veröffentlicht

Überwachtes logistisches Regressionsmodell zur Erkennung von Kreditkartenbetrug.

Python
SPSS
Machine Learning
Logistische Regression
Klassifikation
Betrug

KONTEXT UND ZIEL

Betrugswahrscheinlichkeit aus Transaktionsvariablen modellieren und untersuchen, welche Signale am stärksten zur überwachten Klassifikation beitragen.

DATEN UND DIAGNOSE

  • Die Variablen werden für überwachtes Training aufbereitet.
  • Logistische Regression wird als interpretierbare Baseline eingesetzt.
  • Performance, Klassifikation und Variablenbeitrag werden ausgewertet, um Betrugssignale zu beurteilen.

ERGEBNIS UND LERNGEWINN

Das Ergebnis zeigt den vollständigen Ablauf eines interpretierbaren überwachten Modells, mit einer SPSS-Modeler-Implementierung und ergänzender Python-Umsetzung.

VERWANDTE PROJEKTE
MACHINE LEARNING · PROJEKT 16

Modell für Schäden durch Wetterereignisse

Neuronale Netze und logistische Regression vergleichen, um vorherzusagen, welche Wetterereignisse eher wirtschaftliche Schäden verursachen.

Projekt ansehen →
MACHINE LEARNING · PROJEKT 08

Betrugsmodell mit K-means

Entdecken, wie Clustering Transaktionen segmentieren und Gruppen mit betrugsähnlichen Verhaltensmustern identifizieren kann.

Projekt ansehen →