Uso de Machine Learning para la detección de transacciones fraudulentas en una empresa de pagos móviles

• Autor: Vargas Belizario, Jean Franco
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/21798
• Enlace del recurso: https://hdl.handle.net/20.500.12773/21798
• Nivel de acceso: acceso abierto
• Materia: Machine Learning; CRISP-DM; Transacciones fraudulentas; https://purl.org/pe-repo/ocde/ford#2.02.04

En los últimos años, la escalada de actividades fraudulentas ha provocado pérdidas financieras significativas en todas las industrias, lo que ha intensificado el desafío crítico de la detección del fraude. Por lo que, se planteó como objetivo Detectar las transacciones fraudulentas en proceso de pagos con medios móviles. Asimismo, para que se logre el objetivo se segmentó la dataset para el entrenamiento del modelo, se determinó el algoritmo adecuado de Machine Learning, se entrenó y evaluó el modelo basado en ML para la detección de transacciones fraudulentas. Fue de tipo aplicado, cuantitativo donde la población estará conformada por 6, 362 620 registros de la base de datos de la entidad; además, se usó la metodología CRISP-DM y respecto a las tecnologías se usó Google Colab y a Python junto a las librerías Numpy, Pandas y Matplotlib - Pyplot. Asimismo, se usaron 3 algoritmos que arrojaron resultados de precisión, como: Random Forest (99.68%), XGBClassifier (99.84%), SVC (96.28%) y Regresión logística (96.51%). Por consiguiente, se evidenció que el modelo es óptimo para la detección de fraudes.