Resumo:
O aprendizado de máquina (Machine Learning) têm sido usado com bastante frequência em diversas áreas de pesquisa, com o objetivo de automatizar tarefas complexas ou fazer predições. A fraude em pagamentos online é um problema que ainda precisa ser debelado, pois traz consigo diversos impactos negativos, tanto para o comércio eletrônico quanto para os intermediadores de pagamentos, e até mesmo para o governo.
Neste projeto é proposto a aplicação de técnicas de Machine Learning para auxiliar na detecção de fraudes em pagamentos online. Com o uso do aprendizado de máquina, é possível predizer se uma transação de pagamento online tem potenciais chances de ser fraudulenta ou não. Para tal, foram utilizados os algoritmos de Regressão Logística e de Árvore de Decisão, além da validação do modelo, usando como base as métricas de avaliação da Acurácia, Precisão, Revocação AUC ROC e Matriz de Confusão. O modelo
de Regressão Logística apresentou melhor desempenho ao classificar os dados atingindo uma acurácia e precisão de 95%, enquanto que o modelo de Árvore de Decisão apresentou uma acurácia e precisão de 93%. Este trabalho pode ser utilizado como ponto de partida para outros trabalhos no futuro, utilizando como base o modelo gerado a partir das técnicas de Machine Learning.
