Facdo: feature-aware conditional diffusion oversampler for robust minority oversampling in imbalanced credit risk and fraud classification
Facdo: dengesiz kredi riski ve dolandırıcılık sınıflandırmasında azınlık sınıfı için özellik-farkındalıklı koşullu difüzyon tabanlı aşırı örnekleme yöntemi
- Tez No: 999345
- Danışmanlar: PROF. DR. ÖMÜR UĞUR
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mathematics, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Uygulamalı Matematik Enstitüsü
- Ana Bilim Dalı: Bilimsel Hesaplama Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kredi riski modellemesi ve dolandırıcılık tespiti için kullanılan veri kümeleri genellikle oldukça dengesizdir; temerrütler veya dolandırıcılık işlemleri toplam gözlemlerin yalnızca küçük bir bölümünü oluşturur. Bu azınlık olaylarını doğru biçimde belirlemek kritik öneme sahiptir; çünkü gözden kaçan temerrütler beklenen kredi zararlarının olduğundan düşük tahmin edilmesine, hatalı sermaye gereksinimlerine ve kredi portföyünün yanlış fiyatlanmasına yol açarken, tespit edilemeyen dolandırıcılık doğrudan finansal kayıplara ve operasyonel riske neden olur. Bu tür dengesiz ortamlarda, klasik sınıflandırıcılar, özellikle LightGBM ve XGBoost gibi gradyan artırmalı karar ağaçları, ikili çapraz-entropi amacının çoğunluk sınıfı tarafından baskın şekilde belirlenmesi nedeniyle sıklıkla zorlanır. Bu tez, Özellik-Farkındalıklı Koşullu Difüzyon Tabanlı Aşırı Örnekleme Yöntemi adlı, şiddetli dengesizliğe sahip finansal tabular veriler için uyarlanmış difüzyon tabanlı bir aşırı örnekleme çerçevesi önermektedir. Özellik-Farkındalıklı Koşullu Difüzyon Tabanlı Aşırı Örnekleme Yöntemi, Gürültü Gideren Difüzyon Olasılıksal Modelleri paradigması üzerine kurulmakta ve azınlık örnek kalitesini artırmak için görev odaklı mekanizmalarla genişletilmektedir. Özellik-Farkındalıklı Koşullu Difüzyon Tabanlı Aşırı Örnekleme Yöntemi, Shapley Katkı Açıklamaları türevi özellik-önem bilgilerini Özellik-Bazlı Doğrusal Modülasyon yoluyla gürültü giderme sürecine koşullandırma olarak entegre eder ve üretimi azınlık manifoldu üzerinde sınıfla tutarlı bölgelere yönlendirir. Sınıflandırıcısız rehberlik örnekleme yörüngesini ayrıca şekillendirir ve geometrik yakınlık ile olasılığa dayalı tutarlılığa dayanan iki aşamalı bir filtreleme stratejisi düşük kaliteli adayları eler ve bilgilendirici örnekleri korur. Özellik-Farkındalıklı Koşullu Difüzyon Tabanlı Aşırı Örnekleme Yöntemi tarafından üretilen örnekler eğitim verisini zenginleştirmek için kullanılmakta ve aşağı akıştaki LightGBM ve XGBoost sınıflandırma modelleri iki temerrüt olasılığı veri kümesi ve bir kredi kartı dolandırıcılığı veri kümesi üzerinde değerlendirilmektedir. Sonuçlar, önerilen yöntemin yaygın olarak kullanılan aşırı örnekleme temel yöntemlerine kıyasla Duyarlılık, F1-skoru, Geometrik Ortalama ve Kesinlik-Duyarlılık Eğrisi Altındaki Alan gibi azınlık-duyarlı metriklerde tutarlı iyileştirmeler sağladığını ve finansal açıdan kritik azınlık olaylarının daha güvenilir biçimde tespit edilmesini desteklediğini göstermektedir.
Özet (Çeviri)
Datasets used in credit risk modelling and fraud detection are typically highly imbalanced, where defaults or fraudulent transactions constitute only a small fraction of all observations. Accurately identifying these minority events is crucial, since missed defaults lead to underestimated expected credit losses, inaccurate capital requirements, and loan portfolio mispricing, while undetected fraud causes direct financial losses and operational risk. In such settings, classical classifiers, particularly gradient-boosted decision trees such as LightGBM and XGBoost, often struggle because the binary cross-entropy objective is dominated by the majority class. This thesis proposes the Feature Aware Conditional Diffusion Oversampler, a diffusion based oversampling framework tailored for severely imbalanced financial tabular data. Feature Aware Conditional Diffusion Oversampler builds on the Denoising Diffusion Probabilistic Model paradigm and extends it with task-oriented mechanisms to improve minority sample quality. Specifically, Feature Aware Conditional Diffusion Oversampler conditions the denoising process using Shapley Additive Explanations derived feature-importance information via Feature Wise Linear Modulation, encouraging generation toward class-consistent regions of the minority manifold. Classifier free guidance further shapes the sampling trajectory, and a two-stage filtering strategy based on geometric proximity and probability-based consistency removes low-quality candidates and retains informative samples. Samples generated by Feature Aware Conditional Diffusion Oversampler are used to augment training data, and downstream LightGBM and XGBoost classification models are evaluated on two probability-of-default datasets and one credit card fraud dataset. Results show that proposed method consistently improves minority-sensitive metrics such as Recall, F1-score, G-Mean, and Area Under Precision Recall Curve compared to widely used oversampling baselines, supporting more reliable detection of financially critical minority events.
Benzer Tezler
- Avrupa Merkez Bankası'nın oluşumu, para politikası, uygulama sorunları ve Türkiye etkileri
Formation of European Central Bank, its monetary policy, application problems and its effects on Turkey
ALİ POLAT
- H&E boyalı histopatolojik görüntülerde çekirdek segmentasyonu için derin öğrenmeye dayalı yeni bir mimarinin geliştirilmesi
Development of a new deep learning architecture for nuclear segmentation in H&E histopathological images
MOHAMED TRAORE
Yüksek Lisans
Türkçe
2023
Mühendislik BilimleriAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. REFİK SAMET
- Irak yönetiminde Türkmen
Turkmens in the Iraq administration
MEMDUHA DEMİREL
Yüksek Lisans
Türkçe
2000
Uluslararası İlişkilerGazi ÜniversitesiUluslararası İlişkiler Ana Bilim Dalı
PROF. DR. HALUK GÜNUĞUR
- Adli bilişimde kaynak doğrulama ve tanılamada ileri metodlar
Advanced methods for source authentication and attribution in digital forensics
AHMET KARAKÜÇÜK
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Uludağ ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET EMİR DİRİK
- Alternatif bir para otoritesi olarak para kurulu :dünya örnekleri ve Türkiye'de uygulanabilirliği
As an alternative monetary authority: Currency board, world samples and its practicability in Turkey
BARAN ŞAHİN