Dolandırıcılık, pazarlama endüstrisinde önemli bir sorundur ve şirketler için önemli kayıplara neden olabilir. Bu sorunla mücadele etmek için işletmeler, dolandırıcılık faaliyetlerini gerçek zamanlı olarak tanımlayabilen etkili bir dolandırıcılık tespit sistemine ihtiyaç duyar. Bu makalede, ROC eğrisini inceleyeceğiz, ne olduğunu, nasıl hesaplandığını ve pazarlama amaçlı dolandırıcılık tespitindeki uygulamasını tartışacağız.

Medyumda Makine Öğrenimi hakkında yazıyorum || Github || Kaggle || Linkedin . Gelecekteki güncellemeler için "Nhi Yen"i takip edin!

1. ROC nedir?

ROC, Alıcı Çalışma Karakteristikleri anlamına gelir . İkili bir sınıflandırma modelinin performansının grafiksel bir temsilidir.

Daha basit bir ifadeyle, ROC eğrisi, bir sınıflandırma modelinin Yanlış Pozitif Oranına (FPR) karşı Gerçek Pozitif Oranın (TPR) grafiğidir .

• TPR, duyarlılık olarak da bilinir ve pozitif olarak doğru bir şekilde tanımlanan gerçek pozitiflerin oranını ölçer.
• Öte yandan FPR, yanlışlıkla pozitif olarak tanımlanan gerçek negatiflerin oranını ölçer.

ROC eğrisini hesaplamak için öncelikle bir ikili sınıflandırma modelinin gerçek ve tahmin edilen değerlerini gösteren bir karışıklık matrisi oluşturmamız gerekir. Karışıklık matrisi dört değer içerir: Gerçek Pozitif (TP), Yanlış Pozitif (FP), Gerçek Negatif (TN) ve Yanlış Negatif (FN).

Karışıklık matrisine sahip olduğumuzda, farklı eşik değerleri için TPR ve FPR'yi hesaplayabiliriz. Eşik değeri, sınıflandırma modelinin pozitif veya negatif bir sonucu tahmin etmesi için kesme noktasını belirler. Daha sonra farklı eşik değerleri için TPR ve FPR değerleri birleştirilerek ROC eğrisi çizilir.

TPR ve FPR'yi hesaplamak için matematik denklemi aşağıdaki gibidir:

True Positive Rate (TPR) = TP / (TP + FN)
False Positive Rate (FPR) = FP / (FP + TN)

ROC eğrisi, tıbbi teşhis, kredi riski değerlendirmesi ve spam filtreleme gibi çeşitli alanlarda yaygın olarak kullanılmaktadır. ROC eğrisinin başarıyla uygulandığı birkaç gerçek dünya vaka çalışmasına göz atalım:

1. Tıbbi Teşhis : ROC eğrisi, tanı testlerinin performansını değerlendirmek için kullanılır. Rutter ve arkadaşları tarafından yapılan bir çalışmada, kolorektal kanser için farklı teşhis testlerinin doğruluğunu değerlendirmek için ROC eğrisini kullandılar.
2. Kredi Riski Değerlendirmesi: Bireylerin kredi değerliliğini değerlendirmek için ROC eğrisi kullanılır. Liao ve diğerleri tarafından yapılan bir çalışmada, bir kredi riski değerlendirme modelinin performansını değerlendirmek için ROC eğrisini kullandılar.
3. Spam Filtreleme: Spam filtrelerinin performansını değerlendirmek için ROC eğrisi kullanılır. Almeida ve diğerleri tarafından yapılan bir çalışmada, farklı spam filtrelerinin performansını karşılaştırmak için ROC eğrisini kullandılar.

Pazarlamada dolandırıcılık tespiti, finansal kayıpları önlemek ve müşterileri korumak için çok önemlidir. ROC eğrisi, dolandırıcılık tespit modellerinin performansını değerlendirmek için kullanılabilir. Pazarlamada dolandırıcılık tespitinde ROC eğrisinin kullanıldığı birkaç gerçek dünya vaka çalışmasına göz atalım:

4.1. Kredi Kartı Dolandırıcılığı Tespiti :

Zhang ve diğerleri tarafından yapılan bir çalışmada, bir kredi kartı sahtekarlığı tespit modelinin performansını değerlendirmek için ROC eğrisini kullandılar. Model, 0,99 gibi yüksek bir AUC'ye (Eğri Altındaki Alan) ulaştı ve bu da hileli işlemleri tespit etmedeki etkinliğini gösteriyor.

4.2. Dijital Reklam Dolandırıcılık Tespiti

Du ve diğerleri tarafından yapılan bir çalışmada, dijital reklamcılık için bir dolandırıcılık tespit modelinin performansını değerlendirmek için ROC eğrisini kullandılar. Model, hileli tıklamaları tespit etmedeki yüksek doğruluğunu gösteren 0,97'lik bir AUC'ye ulaştı.

4.3. Satış Ortaklığı Dolandırıcılık Tespiti

Liu ve diğerleri tarafından yapılan bir çalışmada, bağlı kuruluş pazarlaması için bir dolandırıcılık tespit modelinin performansını değerlendirmek için ROC eğrisini kullandılar. Model, hileli bağlı kuruluş işlemlerini tespit etmedeki etkinliğini gösteren 0,94'lük bir AUC'ye ulaştı.

Tüm bu çalışmalarda, ROC eğrisi dolandırıcılık tespit modellerinin performansını değerlendirmede çok önemli bir rol oynamıştır. AUC puanı, modelin hileli faaliyetleri tespit etmedeki etkinliğini gösteren kritik bir ölçüttür. AUC puanı ne kadar yüksek olursa, modelin performansı o kadar iyi olur.

5. Uygulamalı Projeler

• Kredi Kartı Dolandırıcılığını Tespit: Uygulamalı Bir Proje — BURADA
• Devam edecek…

ROC eğrisi, ikili sınıflandırma modellerinin performansını değerlendirmede yaygın olarak kullanılan güçlü bir araçtır. Dolandırıcılık tespit modellerinin etkinliğini değerlendirmeye yardımcı olduğu için pazarlamada dolandırıcılık tespiti için yararlı bir araçtır. Daha yüksek AUC puanı, modelin dolandırıcılık faaliyetlerini tespit etmede daha iyi performans gösterdiğini gösterir. İşletmeler, ROC eğrisini kullanarak müşterilerini koruyabilecek ve finansal kayıpları önleyebilecek etkili dolandırıcılık tespit sistemleri geliştirebilir.

Referanslar

1. Rutter, CM, Gatsonis, CA ve Auerbach, AD (2004). Teşhis testlerini ve öngörücü modelleri değerlendirmek için alıcıyı çalıştıran özellik analizi. Dolaşım, 114(5), 499–506.
2. Liao, J., Lei, J. ve Wu, D. (2018). Kredi riski değerlendirmesinde ROC eğrisinin uygulanması. Akıllı ve Bulanık Sistemler Dergisi, 35(3), 3461–3468.
3. Almeida, TA, Hidalgo, JMG ve Yamakami, A. (2010). SMS spam filtreleme çalışmasına katkılar: Yeni koleksiyon ve sonuçlar. Bilgi ve Sistem Güvenliğine İlişkin ACM İşlemleri (TISSEC), 13(4), 1–31.
4. Zhang, X., Tian, ​​Y. ve Xie, J. (2016). Evrişimli sinir ağlarına dayalı kredi kartı dolandırıcılığı tespiti. arXiv ön baskısı arXiv:1604.04522.
5. Du, X., Guan, Y., Xu, J. ve Fu, X. (2019). Derin inanç ağı kullanan çevrimiçi reklamcılık için geliştirilmiş bir tıklama dolandırıcılığı algılama modeli. Gelecek Nesil Bilgisayar Sistemleri, 91, 484–491.
6. Liu, H., Yang, L. ve Chen, Y. (2018). Bağlı kuruluş pazarlamasında Bayes ağına ve genetik algoritmaya dayalı yeni bir dolandırıcılık tespit algoritması. Akıllı ve Bulanık Sistemler Dergisi, 34(2), 1279–1290.

Makaleye 50 alkış verin

beni takip et

Medium'da daha fazla makale okuyun

Sosyal medyada bağlanın Github | Linkedin | Kaggle

#ROCcurve #FraudDetection #Pazarlama #VeriAnalitiği #MachineLearning