​​Modelo predictivo de clasificación de pagos Fraudulentos para el área de prevención del fraude del Banco de Lima Metropolitana​

• Autores: Alvarado Diaz, Percy Ronald, Centeno Guzmán, Cristian Dominico, ​​Saavedra Macedo, Diego Antonio ​
• Formato: tesis de maestría
• Fecha de Publicación: 2022
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/669754
• Enlace del recurso: http://hdl.handle.net/10757/669754
• Nivel de acceso: acceso abierto
• Materia: Métricas de desempeño; Algoritmos de clasificación; Modelo predictivo; Probabilidad de fraude; Transacciones fraudulentas; Credit card; Predictive model; https://purl.org/pe-repo/ocde/ford#2.02.04

La presente tesis muestra la aplicación de la Metodología Fundamental de Ciencia de Datos de IBM en conjunto con el marco de trabajo SCRUM para poder Analizar, modelar e implementar un modelo predictivo que permita asignar probabilidades a las transacciones bancarias y establecer cuáles son probablemente fraudulentas. Con tal objeto, se identificará al mejor modelo luego de ejecutar la validación cruzada con Kfold igual a 10 y calcular los indicadores de Área bajo la curva de la Precisión y Exhaustividad (AUC-PR) y Lift ya que nos encontramos ante un problema de datos desbalanceados donde las transacciones fraudulentas representan el 0.13% y las no fraudulentas el 99.87%. Como resultado se obtiene el mejor modelo a Gradient Boosting Classifier del que se obtuvieron los resultados con un Área bajo la curva de la Precisión y Exhaustividad (AUC-PR) de 0.036 y Lift de 3.629%; estos indicadores permitirán a la oficina de Prevención de Fraudes del Banco establecer un margen de alerta y tomar acción cuando las transacciones sean identificadas como fraudulentas.