Application of Artificial Intelligence for Fraudulent Banking Operations Recognition
Diese Studie schlägt Machine-Learning-Modelle vor und evaluiert diese, einschließlich logistischer Regression und gestapelter Generalisierung (Stacked Generalization), um betrügerische Banktransaktionen in der digitalen Landschaft der Post-Pandemie effektiv zu erkennen, wobei durch fortschrittliche Datenvorverarbeitungs- und Feature-Engineering-Techniken ein maximaler AUC-Wert von 0,954 erreicht wird.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.