كشف الاحتيال باستخدام تعدين العمليات والتعلم الآلي

محرك لتقييم مخاطر فقدان العملاء لدى وكيل معدات، يعزل مجموعة موثوقة من 230 حسابًا من بيانات تضم 3.1 مليون سجل تأثرت بخلل في التصدير أدى إلى فقدان 63% من قاعدة العملاء بصمت، متفوقًا على النماذج المرجعية القائمة على الحداثة والتكرار بدقة PR-AUC بلغت 0.51 تم التحقق منها إحصائيًا بطريقة bootstrap.

تصنيف غير مُوجَّه لـ 2,635 عميلًا حقيقيًا ضمن 4 شرائح (بمعامل ARI بلغ 0.97)، يكشف عن قائمة لإعادة التنشيط بقيمة 668,810 دولارًا من بيانات مُقتَطعة عمدًا.

مسار كامل لاستكشاف البيانات يتيح التنبؤ بشريحة الدخل للفرد استنادًا إلى البيانات الديموغرافية والاجتماعية-الاقتصادية، ويشمل التحليل الاستكشافي للبيانات (EDA)، معالجة القيم المفقودة والقيم الشاذة، وموازنة الفئات باستخدام SMOTE، واختيار السمات بناءً على تحليل المكونات الرئيسية (ACP)، وشبكة عصبية اصطناعية (RNA) مُحسَّنة، تم تقييمها مقارنةً بنماذج التعلم الآلي التقليدية.