Immagine principale del modello di Machine Learning per frode con K-means
Indietro Avanti ➜

Progetto 08 · Machine Learning

Modello Machine Learning · Frode con K-means

✅ pubblicato

Clustering non supervisionato con K-means per la rilevazione di frodi con carte di credito.

Python
SPSS
Machine Learning
K-means
Clustering
Frode

CONTESTO E OBIETTIVO

Esplorare se una tecnica non supervisionata può separare comportamenti transazionali compatibili con pattern di frode.

DATI E DIAGNOSI

  • Si usano variabili transazionali per costruire gruppi di comportamento.
  • Si applica K-means per segmentare osservazioni senza usare un’etichetta precedente.
  • Si leggono i profili dei cluster per identificare segmenti con segnali atipici.

CONSEGNA E APPRENDIMENTO

La consegna confronta un’implementazione in SPSS Modeler e una versione in Python, mostrando il valore del clustering come strumento esplorativo per la frode.