Bankacılık sektöründe kredi başvuruları için makine öğrenimi ile dolandırıcılık tespiti
Fraud detection using machine learning for loan applications in the banking sector
- Tez No: 887673
- Danışmanlar: PROF. DR. GÜLTEKİN ÖZDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
Son yıllarda, bankacılık sektöründe dolandırıcılık tespitinin önemi giderek artmıştır. Dijital bankacılık işlemlerinin ve çevrimiçi alışverişin yaygınlaşması, dolandırıcıların daha sofistike yöntemler geliştirmesine olanak tanımıştır. Bu bağlamda çalışmada, dolandırıcılığı tespit etmek için makine öğrenimi algoritmalarının etkinliğini vurgulanmakta ve bu alandaki mevcut literatüre önemli katkılar sunulmaktadır. Bankalar, bu tür teknolojileri benimseyerek dolandırıcılık riskini azaltabilir ve müşteri güvenini artırabilir. Bu çalışmada, karar ağacı, lojistik regresyon, rastgele orman, gradyan arttırma makineleri ve XGBoost gibi makine öğrenimi teknikleri kullanılarak oluşturulan modellerin, kredi başvurularındaki dolandırıcılığı yüksek doğruluk oranlarıyla tespit edebilme kapasitesi incelenmiştir. Elde edilen bulgular, makine öğrenimi algoritmalarının dolandırıcılık tespitinde yüksek doğruluk oranları ve etkili performans metrikleri sunduğunu göstermektedir. Veri seti, eğitim ve test veri seti olarak ikiye ayrılmış, öncelikle eğitim veri seti ile modeller eğitilmiş ve ardından test veri setinde modellerin performansları değerlendirilmiştir. Model performans değerlendirme ölçütleri olarak doğruluk, duyarlılık ve kesinlik değerleri kullanılarak, probleme uygun seçimler yapılmıştır. Dengesiz veri seti ile çalışılacağı için, makine öğrenimi algoritmalarının aynı oranda dağılıma sahip olmayan sınıflarda güvenilir sonuç vermemesi durumu göz önünde bulundurularak, bu sorunun üstesinden gelmek amacıyla sınıf dengesizliği yaklaşımları uygulanmıştır. Bu çalışma, Python ve ilgili veri bilimi kütüphaneleri kullanılarak gerçekleştirilmiştir. Çalışmanın sonucunda, en yüksek doğruluk oranını sağlayan model XGBoost olmuştur ve dolandırıcılık tespitinde yüksek doğruluk oranı ve diğer performans metrikleri ile en başarılı sonuçları vermiştir.
Özet (Çeviri)
In recent years, the importance of fraud detection in the banking sector has been steadily increasing. The widespread adoption of digital banking transactions and online shopping has enabled fraudsters to develop more sophisticated methods. In this context, this study highlights the effectiveness of machine learning algorithms in detecting fraud and makes significant contributions to the existing literature in this field. By adopting such technologies, banks can reduce fraud risk and increase customer trust. In this study, models created using machine learning techniques including decision trees, logistic regression, random forests, gradient boosting machines, and XGBoost were examined for their ability to detect fraud in credit applications with high accuracy rates. The findings demonstrate that machine learning algorithms provide high accuracy rates and effective performance metrics in fraud detection. The dataset was divided into training and test datasets, with models first trained using the training dataset and then their performances evaluated using the test dataset. Performance evaluation metrics such as accuracy, sensitivity, and precision were employed to make appropriate choices for the problem. Considering the imbalanced nature of the dataset, class imbalance approaches were implemented to address the issue of machine learning algorithms not providing reliable results for classes with unequal distributions. This study was conducted using Python and relevant data science libraries. As a result of the study, the model that provided the highest accuracy rate was XGBoost, which delivered the most successful results in fraud detection with high accuracy and other performance metrics.
Benzer Tezler
- Hizmet sektöründeki BPR uygulamasının organizasyon yapısındaki optimizasyon yöntemleri açısından incelenmesi
The study of BPR implementation in service sector in view of optimization techniques in organizational structures
SAİME GİZEM KURAL
Yüksek Lisans
Türkçe
2011
Bankacılıkİstanbul Ticaret ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALPTEKİN ERKOLLAR
- A study on the impact of risk management practices on the performance of financial organizations in Nigeria
Risk yönetimi uygulamalarının Nijerya'daki finansal kuruluşların performansı üzerindeki etkisi üzerine bir çalışma
ERIC DANIEL UCHENNA
Yüksek Lisans
İngilizce
2024
İşletmeBEYKOZ ÜNİVERSİTESİİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEZİN AÇIK TAŞAR
- Ticari kredilerde bankacılık uygulamaları ve yatırım kredilerinin değerlendirilmesine yönelik bir uygulama
Banking applications for commercial loans and an application for evaluation of investment credit
ALPER ÖZMEN
- Bankacılık sisteminde ticari kredilendirme süreci üzerine bir inceleme
An analysis about commercial credit facility process in banking system
HASAN KUAS