Application of Artificial Intelligence for Fraudulent Banking Operations Recognition
Questo studio propone e valuta modelli di machine learning, inclusi la regressione logistica e la generalizzazione stacked, per rilevare efficacemente le transazioni bancarie fraudolente nel panorama digitale post-pandemico, raggiungendo un AUC massimo di 0,954 attraverso tecniche avanzate di pre-elaborazione dei dati e ingegneria delle caratteristiche.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.