Девять трюков машинного обучения для борьбы с банковским мошенничеством

Разработка моделей машинного обучения для банковского антифрода имеет ряд фундаментальных сложностей, с которыми сталкиваются датасаентисты и эксперты по банковскому антифроду. Британские статистики Ричард Болтон и Дэвид Хэнд в обзоре 2002 г. обозначили проблемы антифрод-моделирования, которые актуальны по сей день, несмотря на бурное развитие машинного обучения. В этой статье мы разберем несколько приемов машинного обучения для решения этих проблем.