Credit Card Fraud Detection Analysis and Machine Learning Application

Abstract

Credit card fraud transaction is a common term for theft and fraud action involving a payment card such as payment or credit card or debit card as a source of funds in transactions. With increased usage of POS channel or internet in recent years, the risks of credit card fraud have increased. Mostly, these illegal activities start with a compromise of data associated with the account number or important information that required to start the financial transaction. After, literature review and exploratory data analysis, machine learning algorithms are going to use to decide whether the transaction is fraud or not. Logistic regression, decision tree, Naive-Bayes, decision forest and linear SVC’s classifier algorithms are used in this study. With re-sampling choices (random-under, random-over sampling & SMOTE), these algorithms’ performances are compared. Logistic regression, decision tree, and random forest provide best results in terms of accuracy metrics. Grid-Search is applied to those three algorithms. Decision tree algorithm is chosen as the best algorithm for credit card fraud detection. Python 3.7 is used in this study.

Kredi kartı şüpheli işlemleri, kredi ya da debit kartı ödeme aracı olarak kullanılan işlemlerde şüpheli ve dolandırıcı nitelikteki işlemlere verilen genel ifadedir. Internet ya da POS cihazlarının yakın zamanda kullanılmasının artması ile kredi kartı kaynaklı dolandırıcılık da artmıştır. Bu yasa dışı işlemler genel olarak kredi kartı ile ilişkili hesap numarası ya da işlem gerçekleştirilebilmesi için gerekli bilgilerin elde geçirilmesi ile başlamaktadır. Literatür araştırması ve veri analizi sonrasında bir işlemin şüpheli dolandırıcılık işlemi olup olmadığı makine öğrenme algoritmaları kullanılarak araştırılmıştır. Logistik regresyon, Naive Bayes, karar ağacı, rassal orman ve doğrusal SVC algoritmaları bu çalışmada kullanıldı. Örnekleme teknikleri (rassal alt ve üst örneklem ve SMOTE) ile birlikte ilgili algoritmaların performansları karşılaştırılmıştır. Lojistik regresyon, karar ağacı ve rassal orman algoritmaları daha iyi sonuçlar sağlamıştır. Kafes arama algoritması üç algoritma üzerinde uygulanmıştır. Karar ağacı algoritması kredi kartı şüpheli işlem tespiti için en iyi algoritma seçilmiştir. Python 3.7 yazılımı kullanılmıştır.