Comparison of Ensemble-Strategies for Credit Card Fraud Detection in the Fields of Supervised and Unsupervised Learning
Year: 2025
Type: dissertation
Abstract: Ensemble-Techniken sind sehr erfolgreich darin, Fälle von Kreditkartenbetrug in Datensätzen von Transaktionsdaten zu finden. Hierbei handelt es sich in der Regel um Algorithmen aus dem Bereich des überwachten Lernens, die unter die Methoden des Baggings und des Boostings einzuordnen sind. Die beiden Paradigmen des Ensemble-Lernens sind zur Anwendung in der Erkennung von Kreditkartenbetrug bereits weit erforscht, dasselbe gilt allerdings nicht für Ensemble-Algorithmen aus den Bereichen des halbüberwachten und unüberwachten Lernens. In dieser Arbeit wird das Potenzial von unüberwachten bzw. halbüberwachten Lernmodellen, die in Ensembles trainiert werden, für den Anwendungsfall der Betrugserkennung untersucht und mit Alternativen aus dem Bereich des überwachten Lernens verglichen.
Author: Dithmar, Lorenz
Language: German
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7027561656