En aquest treball, s'analitza el problema del frau amb targetes de crèdit. A més a més, es planteja una metodologia per a crear models de predicció per classificar les transaccions de pagament (observacions) mitjançant algoritmes d'aprenentatge estadístic supervisat a partir d'una mostra (base de dades).

L'objectiu general d'aquest treball és analitzar les dades de les transaccions de pagament amb targetes de crèdit, aplicant una metodologia amb models de classificació. S'ha comprovat com funcionen els algoritmes de classificació i s'ha mesurat la seva eficiència en cada model de predicció obtingut (regressió logística, KNN, arbres de decisió, random forest).

El fet que els percentatges d'eficiència en la predicció siguin molt aproximats entre els algoritmes és, en la nostra opinió, un indicador que els models de predicció són consistents. A més, el fet que els percentatges de classificació de veritables positius i veritables negatius siguin molt aproximats també reflecteix que els models de predicció són consistents i eficients. Amb el model de predicció de random forest com el més precís.

A partir dels resultats obtinguts, es pot intuir que els mètodes de regressió logística, K-veïns més propers, arbres de decisió i random forest són algoritmes òptims per classificar les observacions (transaccions de pagament amb targeta de crèdit) en fraudulentes i no fraudulentes.

Autor: Jorge Lazo Rosado

Supervisors: Isaac Lera Castro i Antoni Jaume-i-Capó