Application of Artificial Intelligence for Fraudulent Banking Operations Recognition
Cette étude propose et évalue des modèles d'apprentissage automatique, incluant la régression logistique et la généralisation empilée, pour détecter efficacement les transactions bancaires frauduleuses dans le paysage numérique post-pandémique, atteignant un AUC maximum de 0,954 grâce à des techniques avancées de prétraitement des données et d'ingénierie des caractéristiques.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.