Denetimli Makine Öğrenmesi Yöntemleri ile Kredi Kartı Sahteciliğini Tahmin Etme: Karşılaştırmalı Analiz

Authors : Güner Altan, Metin Recep Zafer

Pages : 242-262

Doi:10.26650/JEPR1433315

View : 26 | Download : 22

Publication Date : 2024-08-13

Article Type : Research Paper

Abstract :Günümüzde teknolojinin gelişmesiyle birlikte kişi ve kurumların dijital platform aracılığıyla harcama kanal yelpazesi genişlemiştir. Bununla birlikte ödeme yöntemleri dijital çağ ile birlikte kolaylaşmıştır. İnternet aracılığıyla dünyanın bir ucundan yapılan bir harcama saniyeler içinde gerçekleşmektedir. Dijitalleşmenin bu kadar hızlı ve global olması, birçok avantajı barındırırken yapılan harcamaların güvenliğini tespit etmek bir o kadar zor olabilmektedir. Bu bağlamda; bankalar şüphesiz, müşteri ile satıcı arasında güvenli bir alışverişe aracılık eden en önemli kurum haline gelmiştir. Kredi kartı harcamalarının bu denli yoğun olduğu dönemde bankaların söz konusu işlemlerin dolandırıcılık olup olmadığını tespit etmesi hem bankaların karlılığını hem de itibarlarını korumaları açısından çözüme kavuşturulması gereken bir problem olarak görülmektedir. Dinamik bir yapıya sahip olan kredi kartı harcamalarının banka müşterisine ait gerçek bir harcama olduğunu tespit etmek ciddi bir efor gerektirmektedir. Bu bağlamda çalışmanın amacı, denetimli makine öğrenmesi yöntemiyle gerçek ve güncel verilerden yola çıkarak az sayıda öz nitelik ile bir model önerisi sunmaktır. Bu bağlamda bankaların kredi kartı sahteciliği tespitindeki operasyon ve maliyet yükünün hafifletilmesi hedeflenmektedir. Bu kapsamda çalışmamızda kamu sermayeli bir bankaya ait 2023 yılı ocak ayı kredi kartı işlemleri baz alınmıştır. Veri seti 13050 gözlem sayısından oluşmaktadır. Model kurulmasında Python programlama dili kullanılmış olup denetimli makine öğrenmesi tekniklerinden Rassal Orman, Lojistik Regresyon, K-En Yakın Komşu, Karar Ağaçları, Gradyan Güçlendirme gibi sınıflandırmada ayırt etme gücü yüksek olan algoritmalar tercih edilmiştir. Algoritmaların kredi kartı sahtecilik işlemini tahmin etme doğruluk skorları ise Lojistik Regresyon % 92.5, Karar Ağaçları %93.1, K- En Yakın Komşu %86.4, Rassal Orman %91.8, Gradyan Güçlendirme %86. 9 olup bunun yanı sıra kesinlik, duyarlılık, F1 skoru ve ROC-AUC gibi performans metrikleri de incelenmiştir. Çalışmada performanslarından dolayı beş algoritmada önerilmektedir.
Keywords : Kredi kartı sahteciliği, Makine öğrenmesi, Denetimli öğrenme, Rassal orman, Gradyan güçlendirme