prikaz prve stranice dokumenta Primjena strojnog učenja u otkrivanju prijevara s kreditnim karticama
Pristup korisnicima matične ustanove
diplomski rad
Primjena strojnog učenja u otkrivanju prijevara s kreditnim karticama
2023. urn:nbn:hr:166:230824
Vidović, Nikolina
Sveučilište u Splitu
Prirodoslovno-matematički fakultet
Odjel za informatiku

Citirajte ovaj rad

Vidović, N. (2023). Primjena strojnog učenja u otkrivanju prijevara s kreditnim karticama (Diplomski rad). Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:166:230824

Vidović, Nikolina. "Primjena strojnog učenja u otkrivanju prijevara s kreditnim karticama." Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:166:230824

Vidović, Nikolina. "Primjena strojnog učenja u otkrivanju prijevara s kreditnim karticama." Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:166:230824

Vidović, N. (2023). 'Primjena strojnog učenja u otkrivanju prijevara s kreditnim karticama', Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, citirano: 20.04.2024., https://urn.nsk.hr/urn:nbn:hr:166:230824

Vidović N. Primjena strojnog učenja u otkrivanju prijevara s kreditnim karticama [Diplomski rad]. Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet; 2023 [pristupljeno 20.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:230824

N. Vidović, "Primjena strojnog učenja u otkrivanju prijevara s kreditnim karticama", Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, Split, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:230824

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:166:230824
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovPrimjena strojnog učenja u otkrivanju prijevara s kreditnim karticama
Naslov (engleski)Application of machine learning in credit card fraud detection
AutorNikolina Vidović
MentorGoran Zaharija (mentor)
Član povjerenstvaGoran Zaharija (predsjednik povjerenstva)
Član povjerenstvaDivna Krpan (član povjerenstva)
Član povjerenstvaDino Nejašmić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Prirodoslovno-matematički fakultet
(Odjel za informatiku)
Split
Datum i država obrane2023-09-01, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U ovom diplomskom radu istražena je učinkovitost algoritama strojnog učenja - logističke regresije, slučajne šume i SVM-a - u detekciji prijevara s kreditnim karticama na nebalansiranim podacima. Primijenjene su tehnike undersampling, oversampling, SMOTE i ADASYN kako bi se izbalansirali podaci. Rezultati su analizirani na nebalansiranom i balansiranom skupu podataka. Rezultati pokazuju kako se balansiranje podataka značajno može poboljšati pomoću tih tehnika, te kako takvi balansirani skupovi dovode do poboljšanja performansi algoritama u detekciji prijevara.
Sažetak (engleski)
This thesis examines the effectiveness of machine learning algorithms - logistic regression, random forest, and SVM - in credit card fraud detection on imbalanced data. Undersampling, oversampling, SMOTE, and ADASYN techniques were applied to balance the data. Results were evaluated on both imbalanced and balanced datasets. The findings indicate that data balancing techniques, particularly oversampling and SMOTE, significantly enhance performance by addressing class imbalance issues, leading to improved fraud detection accuracy.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:166:230824
Studijski programNaziv: Podatkovna znanost i inženjerstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra podatkovne znanosti i inženjerstva (mag. dat. sci. et ing.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2023-09-18 11:35:29