Proyecto 10 · Machine Learning
Modelo Machine Learning · Fraude con DBSCAN
Clustering no supervisado con DBSCAN para identificar posibles fraudes con tarjeta de crédito.
CONTEXTO Y OBJETIVO
Detectar agrupamientos densos y observaciones atípicas que puedan funcionar como señales exploratorias de fraude.
DATOS Y DIAGNÓSTICO
- Uso de DBSCAN para identificar densidades y puntos aislados sin fijar previamente la cantidad de clusters.
- Evaluación de patrones atípicos y separación de segmentos transaccionales.
- Lectura del resultado como herramienta exploratoria, no como diagnóstico definitivo de fraude.
ENTREGA Y APRENDIZAJE
La entrega documenta una alternativa no supervisada basada en densidad para complementar otros enfoques de detección de fraude.