[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-122042-pt":3,"doc-seo-122042-112":30,"detail-sidebar-cat-0-pt-112":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":20,"is_downloadable":20,"audit_status":20,"page_count":21,"language":22,"language_code":23,"site_id":24,"html_lang":23,"table_of_contents":25,"faqs":26,"seo_title":27,"seo_description":14,"update_tm":28,"read_time":29},122042,137451207643,"Noah","https://ap-avatar.wpscdn.com/davatar_3d24733baf745e90a7e4bdd5f77d97b2",32,"Pesquisa e Relatórios","Aplicação de Técnicas de Machine Learning na Identificação de Transações Fraudulentas no E-commerce","A popularização das compras online ampliou o volume de transações digitais e, com isso, aumentou a presença de fraudes praticadas por agentes maliciosos. O trabalho apresenta a detecção de transações fraudulentas como medida para reduzir riscos e proteger compradores legítimos, com foco no problema central do desbalanceamento de classes, que enfraquece o poder de discriminação dos modelos. Foram avaliadas Regressão Logística e Floresta Aleatória, testando o balanceamento via undersampling e usando Acurácia Balanceada como métrica de desempenho. A análise utiliza base do Kaggle com transações de cartão de crédito legítimas e fraudulentas.","UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS  \nCURSO DE ESTATÍSTICA  \nDeiverson Eduardo Oliveira de Almeida  \nAplicação de Técnicas de Machine Learning na Identi􀀜cação de Transações  \nFraudulentas no E-commerce  \nJuiz de Fora  \nDeiverson Eduardo Oliveira de Almeida  \nAplicação de Técnicas de Machine Learning na Identi􀀜cação de Transações  \nFraudulentas no E-commerce  \nMonogra􀀜a apresentada ao Curso de Estatística da Universidade Federal de Juiz de Fora como requisito parcial à obtenção do títulode Bacharel em Estatística.  \nOrientadora: Profª . Dra. Camila Borelli Zeller  \nJuiz de Fora  \nFicha catalográ􀀜ca elaborada através do Modelo Latex do CDC da UFJF com os dados fornecidos pelo(a) autor(a)  \nAlmeida, Deiverson Eduardo Oliveira de.  \nAplicação de Técnicas de Machine Learning na Identi􀀜cação de Transações Fraudulentas no E-commerce / Deiverson Eduardo Oliveira de Almeida.  \n􀀕 2024 .  \n75 f. : il.  \nOrientadora: Camila Borelli Zeller  \nTrabalho de Conclusão de Curso (graduação) 􀀕 Universidade Federal de Juiz de Fora, Instituto de Ciências Exatas. Curso de Estatística, 2024 .  \n1. Detecção de fraude. 2. Machine Learning 3 . Floresta Aleatória. 4. Regressão Logística. 5. Balanceamento de dados. I. Zeller, Camila Borelli, orient. II. Título.  \nDeiverson Eduardo Oliveira de Almeida  \nAplicação de Técnicas de Machine Learning na Identi􀀜cação de Transações  \nFraudulentas no E-commerce  \nMonogra􀀜a apresentada ao Curso de Estatística da Universidade Federal de Juiz de Fora como requisito parcial à obtenção do títulode Bacharel em Estatística.  \nAprovada em 15 de julho de 2024  \nBANCA EXAMINADORA  \n\n| Profª . Dra. Camila Borelli Zeller-Orientadora Universidade Federal de Juiz de Fora |\n| --- |\n| Prof. Dr. Lupércio França Bessegato Universidade Federal de Juiz de Fora |\n\nProf. Dr. Tiago Maia Magalhães Universidade Federal de Juiz de Foura  \nRESUMO  \nCom a popularização da internet ao longo dos anos, comprar online tornou-secada vez mais comum, principalmente devido à facilidade e ao conforto oferecidos, além das variadas formas de pagamento, sendo o cartão de crédito um dos principais meiosutilizados em transações no comércio eletrônico (e-commerce) . Esta facilidade, no entanto, também atrai fraudadores, que utilizam a internet para aplicar golpes cada vez maiselaborados. Dessa forma, torna-se imprescindível a identi􀀜cação e􀀜caz de transações fraudulentas para mitigar este risco e proteger os bons compradores. Um dos principais desa􀀜os na identi􀀜cação de fraudes é o desbalanceamento dos dados, já que a fraude é um evento raro e naturalmente está presente em uma quantidade muito menor do que astransações legítimas, o que tende a diminuir o poder de discriminação das técnicas. Dentreas diversas técnicas de Machine Learning comumente utilizadas para este 􀀜m, duas delas, a Regressão Logística e a Floresta Aleatória, foram exploradas no presente trabalho. Alémdisso, testou-se a efetividade do balanceamento dos dados, feito através da técnica deamostragem chamada Undersampling, comparando os dois modelos de Machine Learning em cenários com dados balanceados e desbalanceados. Para medir o desempenho dos modelos, utilizou-se a métrica da Acurácia Balanceada, considerada adequada para lidar com dados desbalanceados. A aplicação foi feita utilizando uma base de dados, obtida no Kaggle, que contém dados arti􀀜ciais gerados através de um simulador, com transações decartão de crédito legítimas e fraudulentas.  \nPalavras-chave: Detecção de fraude; Machine Learning; Floresta Aleatória; Regressão Logística; Balanceamento de dados.  \nABSTRACT  \nWith the popularization of the internet over the years, online shopping has become increasingly common, mainly due to the ease and comfort o􀀛ered, as well as the various payment methods available, with credit cards being one of the main means used in transactions in electronic commerce (e-commerce) . However, this convenience also attracts fraudsters who use the internet to perpetrate incre","cbCaivSYbkRDyx3j","https://ap.wps.com/l/cbCaivSYbkRDyx3j","pdf",1421950,1,77,"Portuguese","pt",112,"# Resumo e objetivos\n# Fundamentação teórica\n## Detecção de fraude e desafios do desbalanceamento\n## Técnicas de Machine Learning: Regressão Logística e Floresta Aleatória\n## Balanceamento de dados e undersampling\n## Avaliação de desempenho e Acurácia Balanceada\n# Metodologia e aplicação\n## Base de dados utilizada (Kaggle)\n## Preparação e tratamento dos dados\n## Validação e métricas\n# Resultados e discussão\n# Conclusões","[{\"question\":\"Por que o desbalanceamento de dados é um desafio na detecção de fraudes?\",\"answer\":\"Porque fraudes são eventos raros e aparecem em menor quantidade que transações legítimas, reduzindo o poder de discriminação das técnicas.\"},{\"question\":\"Quais modelos de Machine Learning foram comparados no trabalho?\",\"answer\":\"Foram explorados dois modelos: Regressão Logística e Floresta Aleatória.\"},{\"question\":\"Como o balanceamento dos dados foi testado?\",\"answer\":\"O balanceamento foi feito com Undersampling, comparando cenários com dados balanceados e desbalanceados.\"}]","Aplicação de Técnicas de Machine Learning na Identificação de Transações Fraudulentas no E-commerce | PDF",1785808516,119,{"code":4,"msg":31,"data":32},"ok",{"site_id":24,"language":23,"slug":33,"title":13,"keywords":34,"description":14,"schema_data":35,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":28},"application-of-machine-learning-techniques-for-identifying-fraudulent-transactions-in-e-commerce","",{"@graph":36,"@context":86},[37,54,69],{"@type":38,"itemListElement":39},"BreadcrumbList",[40,44,48,51],{"item":41,"name":42,"@type":43,"position":20},"https://docshare.wps.com","Home","ListItem",{"item":45,"name":46,"@type":43,"position":47},"https://docshare.wps.com/pt/document/","Document",2,{"item":49,"name":12,"@type":43,"position":50},"https://docshare.wps.com/pt/document/pesquisa-e-relatórios/",3,{"item":52,"name":13,"@type":43,"position":53},"https://docshare.wps.com/pt/document/application-of-machine-learning-techniques-for-identifying-fraudulent-transactions-in-e-commerce/122042/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":23,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":41,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-10","2026-08-04",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Por que o desbalanceamento de dados é um desafio na detecção de fraudes?","Question",{"text":76,"@type":77},"Porque fraudes são eventos raros e aparecem em menor quantidade que transações legítimas, reduzindo o poder de discriminação das técnicas.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Quais modelos de Machine Learning foram comparados no trabalho?",{"text":81,"@type":77},"Foram explorados dois modelos: Regressão Logística e Floresta Aleatória.",{"name":83,"@type":74,"acceptedAnswer":84},"Como o balanceamento dos dados foi testado?",{"text":85,"@type":77},"O balanceamento foi feito com Undersampling, comparando cenários com dados balanceados e desbalanceados.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":24},{"code":4,"msg":5,"data":93},[94,99,103,107,111,115,119,121,125,129],{"id":95,"doc_module":4,"doc_module_name":46,"category_name":96,"show_sort_weight":97,"slug":98},26,"Contos e Romances",60,"story-novel",{"id":100,"doc_module":4,"doc_module_name":46,"category_name":101,"show_sort_weight":97,"slug":102},46,"Estilo de Vida","lifestyle",{"id":104,"doc_module":4,"doc_module_name":46,"category_name":105,"show_sort_weight":97,"slug":106},28,"Exames","exam",{"id":108,"doc_module":4,"doc_module_name":46,"category_name":109,"show_sort_weight":97,"slug":110},47,"Geral","general",{"id":112,"doc_module":4,"doc_module_name":46,"category_name":113,"show_sort_weight":97,"slug":114},29,"Histórias em Quadrinhos","comic",{"id":116,"doc_module":4,"doc_module_name":46,"category_name":117,"show_sort_weight":97,"slug":118},27,"Literatura","literature",{"id":11,"doc_module":4,"doc_module_name":46,"category_name":12,"show_sort_weight":97,"slug":120},"research-report",{"id":122,"doc_module":4,"doc_module_name":46,"category_name":123,"show_sort_weight":97,"slug":124},33,"Religião e Espiritualidade","religion-spirituality",{"id":126,"doc_module":4,"doc_module_name":46,"category_name":127,"show_sort_weight":97,"slug":128},31,"Saúde e Cuidados","healthcare",{"id":130,"doc_module":4,"doc_module_name":46,"category_name":131,"show_sort_weight":97,"slug":132},45,"Tecnologia","technology"]