Prediccion de Fraude usando Inteligencia Artificial

Previamente utilizamos un set de datos que un banco nos entrego para analizar y detectar usuarios fraudulentos en una lista de usuarios de tarjeta de credito.

Usaremos los resultados del mapa auto organizado para crear un modelo predictivo. Asi podremos saber cuales son los usuarios con mayor probabilidad de cometer fraude.

Combinaremos el mapa auto organizado con una red neuronal artificial que hemos creado previamente.

Este blog se divide de la siguiente manera

  • Introduccion Caso de Estudios
  • Aprendizaje Supervisado
  • Arquitectura Modelo
  • Predicciones

Introduccion Caso de Estudios

Para entender este caso es mejor haber visto este articulo donde detectamos fraude en un banco. Estamos usando el mismo set de datos y continuando el modelo que creamos previamente.

Ahora usaremos los resultados que obtuvimos previamente para predecir fraude, nuestro codigo se ve asi hasta ahora:

El siguiente paso es agregar un modelo de aprendizaje supervisado, en este caso agregaremos una red neuronal artificial. Asi podremos hacer predicciones.

Primero crearemos una matriz con nuestro set de datos, luego definimos nuestra variable dependiente y aplicamos escalado de caracteristicas.

Ahora procederemos a crear nuestra red neuronal.

La primera capa tendra 2 unidades y usaremos la funcion de activacion Rectificante Lineal “ReLU”.

La capa de salida tendra 1 unidad de salida y utilizaremos una funcion de activacion Sigmoide.

Compilaremos la red aplicando el optimizador Adam y usaremos una funcion de perdida Binary Crossentropy.

Finalmente encajamos la red neuronal que acabamos de crear en el resultado del mapa auto-organizado y entrenamos la red en esos datos.

Prediccion

Una vez terminado el entrenamiento es hora de hacer la prediccion.

Aplicamos la funcion predict() y preparamos los datos para ser mostrados de manera ordenada. Seleccionamos el codigo y lo corremos en spyder con Ctrl + Alt + Enter. Vamos a ver una nueva variable llamada y_pred, esta contiene una lista de predicciones de clientes fraudulentos.

Related Articles

Preguntas

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

    1. Conn gusto te puedo ayudar Rudy, recuerda mandarme un mensaje por aqui!, dale click a mii perfil y me mandas un mensaje