Modelo predictivo basado en machine learning para la detección de transacciones fraudulentas en el sistema bancario
Fecha
Autores/as
Título de la revista
ISSN de la revista
Título del volumen
Editor
DOI
Resumen
Dentro del sistema bancario, la detección de transacciones fraudulentas se ha convertido en un desafío relevante. El volumen creciente de operaciones dificulta la revisión manual y hace necesario el uso de herramientas capaces de analizar grandes cantidades de datos. Además, las modalidades de fraude cambian con frecuencia, lo que limita la efectividad de mecanismos basados únicamente en reglas fijas. Además, en los conjuntos de datos financieros, las transacciones legítimas suelen ser mucho más numerosas que las fraudulentas. Esta diferencia podría orientar el aprendizaje a la clase mayoritaria y disminuir su capacidad para identificar correctamente los casos de fraude (Al-dahasi et al., 2025). El objetivo de este trabajo es desarrollar un modelo predictivo basado en Machine Learning para la detección de transacciones fraudulentas en tarjetas de crédito. El estudio se realizó con los archivos fraudTrain.csv y fraudTest.csv, pertenecientes al conjunto de datos públicos Credit Card Fraud Detection, disponible en Kaggle (Bhadouria, n.d.) Se utilizó la metodología CRISP-ML(Q), que permitió organizar las fases de comprensión del problema y de los datos, preparación, modelado y evaluación (Studer et al., 2021). En la fase de modelado se utilizaron 4 algoritmos de clasificación supervisada: Regresión Logística, Random Forest, XGBoost y LightGBM. Cada algoritmo fue analizado con la distribución original de los datos y mediante la aplicación de SMOTE. Los hiperparámetros de cada alternativa se ajustaron mediante una búsqueda sistemática acotada con GridSearchCV y validación cruzada estratificada de tres pliegues, utilizando PR-AUC como criterio de selección. Las ocho configuraciones optimizadas fueron evaluadas mediante validación cruzada estratificada de cinco pliegues. Los promedios y las desviaciones estándar obtenidos en este procedimiento se utilizaron posteriormente para comparar el desempeño de los modelos mediante Accuracy, Precision, Recall, F1-Score, ROC-AUC y PR-AUC. La selección también incorporó un análisis de costos relacionado con los fraudes no detectados y las alertas generadas. Finalmente, la configuración seleccionada se entrenó con el conjunto completo de entrenamiento (fraudTrain.csv) y se evaluó una sola vez sobre el conjunto de prueba reservado (fraudTest.csv). Debido al uso de datos públicos de Kaggle y a que la evaluación económica combina los montos registrados en las transacciones con supuestos sobre el costo de investigación de las alertas, los resultados se circunscriben al contexto experimental definido.






