Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.usfq.edu.ec/handle/23000/14586| Tipo de material: | masterThesis |
| Título : | Anomaly Detection for Predicting Churn in POS Payment Networks |
| Autor : | Asitimbay Zurita, José Antonio |
| Director de Tesis : | Grijalva, Felipe, dir. |
| Descriptores : | Inteligencia Artificial - Aplicaciones - Tesis y disertaciones académicas |
| Fecha de publicación : | 1-dic-2024 |
| Editorial : | Quito |
| Citación : | Tesis (Magíster en Inteligencia Artificial), Universidad San Francisco de Quito, Colegio de Posgrados ; Quito, Ecuador, 2024 |
| Páginas : | 18 h. |
| Acceso: | openAccess Atribución-NoComercial-SinDerivadas 3.0 Ecuador |
| Resumen : | Para abordar este problema, se realizó una segmentación de negocios basada en el volumen de transacciones y el monto promedio de las mismas, utilizando técnicas no supervisadas como Modelos de Mezcla Gaussiana (GMM) y K-Means. Una vez segmentados los negocios con el mejor método, que resultó ser GMM, se analizaron las transacciones a nivel de red y tipo de tarjeta. Dado el significativo desbalance entre negocios churn y no churn, se optó por métodos de detección de anomalías no supervisados, incluyendo One-Class SVM, Isolation Forest y Local Outlier Factor (LOF)... |
| Descripción : | To address this issue, a clustering of businesses was performed based on transaction volume and average transaction amounts, using unsupervised techniques such as Gaussian Mixture Models (GMM) and K-Means. Once the businesses were segmented with the best method, which turned out to be GMM, transactions were analyzed at the network and card type level. Given the significant imbalance between churn and non-churn businesses, unsupervised anomaly detection methods were chosen, including One-Class SVM, Isolation Forest, and Local Outlier Factor (LOF)... |
| URI : | http://repositorio.usfq.edu.ec/handle/23000/14586 |
| Aparece en las colecciones: | Tesis - Maestría en Inteligencia Artificial |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 338524.pdf | Texto completo | 4.96 MB | Adobe PDF |  Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
