Core Concepts
신경망(NN)과 합성 소수 과대 표집 기법(SMOTE)을 통합한 접근법은 신용카드 사기 탐지 성능을 크게 향상시킬 수 있다.
Abstract
이 연구는 신용카드 거래 데이터의 고유한 불균형 문제를 해결하기 위해 신경망(NN)과 합성 소수 과대 표집 기법(SMOTE)을 통합한 혁신적인 방법론을 제안한다. 데이터 전처리, 모델 아키텍처, 손실 함수 및 평가 지표 등 다양한 측면을 다루며, 실험 결과를 통해 NN+SMOTE 모델이 정밀도, 재현율 및 F1-점수 측면에서 기존 모델을 크게 능가함을 보여준다. 이는 불균형 데이터셋에서 신용카드 사기 탐지를 위한 강력하고 효율적인 솔루션으로 활용될 수 있다.
Stats
신용카드 거래 데이터셋은 총 284,807건의 거래 내역을 포함하며, 이 중 492건(0.172%)만이 사기 거래로 라벨링되어 있어 심각한 불균형을 보인다.
Quotes
"신경망(NN)과 합성 소수 과대 표집 기법(SMOTE)을 통합한 접근법은 정밀도, 재현율 및 F1-점수 측면에서 기존 모델을 크게 능가한다."
"이는 불균형 데이터셋에서 신용카드 사기 탐지를 위한 강력하고 효율적인 솔루션으로 활용될 수 있다."