Pular para o conteúdo principal
Página inicialRFraud Detection in R

Fraud Detection in R

Learn to detect fraud with analytics in R.

Comece O Curso Gratuitamente
4 Horas16 Videos49 Exercicios
6.809 AprendizesTrophyDeclaração de Realização

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.
GroupTreinar 2 ou mais pessoas?Experimente o DataCamp For Business

Amado por alunos de milhares de empresas


Descrição do Curso

The Association of Certified Fraud Examiners estimates that fraud costs organizations worldwide $3.7 trillion a year and that a typical company loses five percent of annual revenue due to fraud. Fraud attempts are expected to even increase further in future, making fraud detection highly necessary in most industries. This course will show how learning fraud patterns from historical data can be used to fight fraud. Some techniques from robust statistics and digit analysis are presented to detect unusual observations that are likely associated with fraud. Two main challenges when building a supervised tool for fraud detection are the imbalance or skewness of the data and the various costs for different types of misclassification. We present techniques to solve these issues and focus on artificial and real datasets from a wide variety of fraud applications.
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizados
Experimente O DataCamp for BusinessPara uma solução sob medida , agende uma demonstração.
  1. 1

    Introduction & Motivation

    Grátis

    This chapter will first give a formal definition of fraud. You will then learn how to detect anomalies in the type of payment methods used or the time these payments are made to flag suspicious transactions.

    Reproduzir Capítulo Agora
    Introduction & Motivation
    50 xp
    Imbalanced class distribution
    100 xp
    Cost of not detecting fraud
    100 xp
    Time features
    50 xp
    Circular histogram
    100 xp
    Suspicious timestamps
    100 xp
    Frequency features
    50 xp
    Frequency feature for one account
    100 xp
    Frequency feature for multiple accounts
    100 xp
    Recency features
    50 xp
    Recency feature
    100 xp
    Comparing frequency & recency
    100 xp
  2. 3

    Imbalanced class distributions

    Fortunately, fraud occurrences are rare. However, this means that you're working with imbalanced data, which if left as is will bias your detection models. In this chapter, you will tackle imbalance using over and under-sampling methods.

    Reproduzir Capítulo Agora
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizados

Conjuntos De Dados

Chapter 1 datasetsChapter 2 datasetsChapter 3 datasetsChapter 4 datasets

Colaboradores

Collaborator's avatar
Hadrien Lacroix
Collaborator's avatar
Sara Billen
Collaborator's avatar
Chester Ismay
Bart Baesens HeadshotBart Baesens

Professor in Analytics and Data Science at KU Leuven

Veja Mais

O que os outros alunos têm a dizer?

Junte-se a mais de 13 milhões de alunos e comece Fraud Detection in R hoje mesmo!

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.