ycliper

Популярное

Музыка Кино и Анимация Автомобили Животные Спорт Путешествия Игры Юмор

Интересные видео

2025 Сериалы Трейлеры Новости Как сделать Видеоуроки Diy своими руками

Топ запросов

смотреть а4 schoolboy runaway турецкий сериал смотреть мультфильмы эдисон
Скачать

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

Не удается загрузить Youtube-плеер. Проверьте блокировку Youtube в вашей сети.
Повторяем попытку...
Обнаружение мошенничества в e-commerce транзакциях с помощью машинного обучения | Дипломный проек...

Поделиться в:

Доступные форматы для скачивания:

Скачать видео

  • Информация по загрузке:

Скачать аудио

Похожие видео

© 2025 ycliper. Все права защищены.



  • Контакты
  • О нас
  • Политика конфиденциальности



Контакты для правообладателей: [email protected]