HELLINGER DECISION TREES FOR FRAUD DETECTION

• Main Authors: CHIZI, Barak, ORTEGA VÁZQUEZ, Carlos, VANDEN BROUCKE, Seppe, D'HAEN, Jeroen, YAPRAKOV, Dimitar, MARIËN, Michaël, DE WEERDT, Jochen
• Format: Patent
• Language: English; French
• Published: 19.09.2024
• Subjects: CALCULATING; COMPUTING; COUNTING; DATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FORADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORYOR FORECASTING PURPOSES; PHYSICS; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE,COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTINGPURPOSES, NOT OTHERWISE PROVIDED FOR

A Hellinger decision tree can detect fraudulent transactions in a data set of financial transactions. Applying the Hellinger decision tree uses a Hellinger distance. The Hellinger decision tree can be part of a machine learning algorithm. In an example, the Hellinger decision tree is a positive and unbalanced Hellinger decision tree used with an imbalanced positive and unlabeled data. Un arbre de décision de Hellinger peut détecter des transactions frauduleuses dans un ensemble de données de transactions financières. L'application de l'arbre de décision de Hellinger utilise une distance de Hellinger. L'arbre de décision de Hellinger peut faire partie d'un algorithme d'apprentissage automatique. Dans un exemple, l'arbre de décision de Hellinger est un arbre de décision de Hellinger positif et non équilibré utilisé avec des données positives et non étiquetées déséquilibrées.