IDENTIFICAÇÃO DE TRANSAÇÕES FRAUDULENTAS EM CARTÕES DE CRÉDITO UTILIZANDO APRENDIZADO DE MÁQUINA

Resumo

O artigo investiga a identificação de transações fraudulentas em cartões de crédito por meio de técnicas de aprendizado de máquina, com ênfase na aplicação de um modelo de Regressão Logística (RL). A pesquisa ressalta a importância da normalização das variáveis e do balanceamento das classes, uma vez que apenas 0,17% das transações analisadas foram classificadas como fraudulentas, o que pode impactar a eficácia do modelo. Os resultados obtidos indicam uma precisão de 92,50%, recall de 82,40% e F1-Score de 87,15%, evidenciando um bom equilíbrio entre a detecção de fraudes e a minimização de falsos positivos. Embora algoritmos de aprendizado profundo, como redes neurais, possam oferecer desempenho superior em grandes conjuntos de dados, a escolha da RL foi motivada por sua eficiência e interpretabilidade, características essenciais em ambientes que requerem modelos transparentes. O estudo conclui que, apesar da predominância de métodos mais complexos, abordagens tradicionais como a RL permanecem relevantes e eficazes na detecção de fraudes, especialmente quando aplicadas com técnicas adequadas de pré-processamento, contribuindo para a segurança do sistema financeiro.