Обнаружение мошенничества в e-commerce транзакциях с помощью машинного обучения | Дипломный проек...
Автор: JP INFOTECH PROJECTS
Загружено: 2026-10-07
Просмотров: 290
Описание:
Выявление мошенничества при транзакциях в электронной коммерции с использованием машинного обучения | Дипломный проект IEEE 2026-2027 гг.
🛒Ссылка для покупки:
(или)
Чтобы приобрести исходный код этого проекта на Python онлайн, свяжитесь с нами:
📲WhatsApp: https://wa.me/919952649690
🔗Email: [email protected],
🌐Веб-сайт: https://www.jpinfotech.org
📌Название нашего предлагаемого проекта: Выявление мошенничества при транзакциях в электронной коммерции с использованием машинного обучения.
💡Реализация: Python.
🔬Используемые алгоритмы/модели: Ансамбль голосования, Ансамбль стекирования.
🌐Веб-фреймворк: Flask.
🖥️Фронтенд: HTML, CSS, JavaScript.
💰Стоимость (в индийских рупиях): 3000 рупий
📘Краткое описание проекта:
👉Проблема: Быстрый рост транзакций в электронной коммерции увеличил риски мошенничества (несанкционированные покупки, неправомерное использование учетных записей), которые традиционные системы, основанные на правилах, с трудом точно выявляют.
👉Решение: Интеллектуальная веб-система, которая автоматически анализирует характеристики транзакций и классифицирует их как законные или мошеннические.
👉Расширенная разработка признаков: Выход за рамки необработанных данных путем генерации производных признаков, таких как логарифмические суммы, высокозначимые индикаторы, циклические временные признаки, взаимодействия суммы и количества, а также соотношения возраста учетной записи и клиента.
👉Обработка дисбаланса данных: Применение SMOTE (Synthetic Minority Oversampling Technique) для балансировки искаженных наборов данных, где мошеннические транзакции редки.
👉Мощные алгоритмы машинного обучения и ансамбли: ансамбль голосования, ансамбль стекирования.
👉Объясняемость и оптимизация: включает анализ на основе SHAP для интерпретируемости модели и оптимизирует пороговые значения вероятности для достижения наилучшего баланса между точностью и полнотой.
👉Технологический стек и влияние: разработан с использованием Python, Flask, HTML/CSS/JavaScript и SQLite для предоставления платформам электронной коммерции более быстрой оценки рисков и принятия обоснованных решений перед утверждением заказов.
🚀Название статьи в базе IEEE: Обнаружение мошенничества при транзакциях в электронной коммерции с использованием методов встраивания признаков на основе GNN и машинного обучения
📍ССЫЛКА:
Sarwosri, Bintang Nuralamsyah, Nathaniel Ryo Kurniadi, Abdur Rachman Wahed, And Siti Rochimah, “E-Commerce Transaction Fraud Detection Using GNN-Based Feature Embedding and Machine Learning Methods”, IEEE Access, VOLUME 14, 2026.
🕑 Хронология:
00:12 - Введение.
00:42 - Концепция статьи в базе IEEE.
02:02 - Аннотация нашего предлагаемого проекта.
03:02 - Существующая система.
03:56 - Предлагаемая система.
06:16 - Архитектура системы.
07:08 - Требования к системе.
07:24 - Подробности о наборе данных.
08:39 - Выполнение проекта.
🏷️теги:
#ecommerce #frauddetection #machinelearning #python #pythonprojects #machinelearningproject #aiprojects #pythonprojectideas #pythonmachinelearning #machinelearningpython #finalyearproject #ieeeprojects #finalyearprojects #datascience #datascienceproject #artificialintelligenceproject #projects #computerscienceproject #majorprojects #academicprojects #majorproject #computerscienceprojects #studentprojects #projectideas
Повторяем попытку...
Доступные форматы для скачивания:
Скачать видео
-
Информация по загрузке: