Imagen principal del modelo de Machine Learning para fraude con K-means
Volver Siguiente ➜

Proyecto 08 · Machine Learning

Modelo Machine Learning · Fraude con K-means

✅ publicado

Clustering no supervisado con K-means para la detección de fraudes con tarjetas de crédito.

Python
SPSS
Machine Learning
K-means
Clustering
Fraude

CONTEXTO Y OBJETIVO

Explorar si una técnica no supervisada puede separar comportamientos transaccionales compatibles con patrones de fraude.

DATOS Y DIAGNÓSTICO

  • Uso de variables transaccionales para construir grupos de comportamiento.
  • Aplicación de K-means para segmentar observaciones sin usar una etiqueta previa.
  • Lectura de perfiles de cluster para identificar segmentos con señales atípicas.

ENTREGA Y APRENDIZAJE

La entrega compara una implementación en SPSS Modeler y una versión en Python, mostrando el valor del clustering como herramienta exploratoria para fraude.