MACHINE LEARNING · PROJET 08
Projet 10 · Machine Learning
Modèle de Machine Learning · Fraude avec DBSCAN
Clustering non supervisé DBSCAN pour détecter de potentiels schémas de fraude par carte bancaire.
CONTEXTE ET OBJECTIF
Détecter des groupes denses et des observations atypiques pouvant servir de signaux exploratoires de fraude.
DONNÉES ET DIAGNOSTIC
- DBSCAN est utilisé pour identifier les zones de densité et les points isolés sans prédéfinir le nombre de clusters.
- Les schémas atypiques et la séparation des segments transactionnels sont évalués.
- Le résultat est interprété comme un outil exploratoire et non comme un diagnostic définitif de fraude.
LIVRABLE ET ENSEIGNEMENTS
Le livrable documente une alternative non supervisée fondée sur la densité pour compléter d’autres approches de détection de fraude.