MÉTODOS DE MACHINE LEARNING NA DETECÇÃO DE FRAUDE EM CARTÃO DE CRÉDITO: UM ESTUDO COMPARADO

À medida que cresce o número de transações financeiras no Brasil e no mundo, as tentativas de fraude incorporam novos métodos e adquirem maior sofisticação, gerando significativo impacto financeiro para as empresas e consumidores vítimas desse crime. Os métodos tradicionais de verificação de identidade e detecção de fraude são limitados ao identificar transações fraudulentas, exigindo abordagens mais adaptativas como o uso de aprendizado de máquina. Este estudo tem como objetivo analisar o cenário das fraudes em transações com cartões de crédito e comparar a eficácia de quatro algoritmos supervisionados de machine learning – Logistic Regression, Naive Bayes, Support Vector Machine (SVM) e Decision Tree – na detecção dessas fraudes. Inicialmente, realiza-se uma exposição do problema e seu impacto no setor financeiro. Em seguida, foram aplicados métodos de machine learning a um dataset público de transações financeiras reais, com análises comparativas das métricas de desempenho e considerações sobre o impacto das técnicas de machine learning em dados desbalanceados.