ارائه يك چارچوب انتخاب ويژگي در تشخيص تقلبات مالي از طريق به‌كارگيري روش‌هاي تفسيرپذير

ANOLISH: Novel feature selection framework in financial fraud detection by using of interpretable methods

تقلب در داده‌هاي مالي يك نگراني جدي براي سازمان‌هاي تجاري و افراد است. با ظهور تجارت الكترونيك در دهه گذشته، استفاده از كارت‌هاي اعتباري به طور چشمگيري افزايش يافته‌است. كشف مناسب تقلب به بازرسان اجازه مي‌دهد اقدامات به موقع انجام دهند و از خسارات مالي بيش‌تر جلوگيري كنند. در سال‌هاي اخير روش‌هاي مختلفي براي شناسايي تقلب در داده‌هاي مالي پيشنهاد شده‌است. از مراحل اصلي در فرايند كشف تقلب، مرحله انتخاب ويژگي‌ها است كه تاثير مهمي بر دقت و زمان اجراي مدل‌ها دارد. در اين مقاله، ما از طريق تركيب الگويتم ANoVA با الگوريتم‌هاي تفسيرپذير SHAP و LIME يك چارچوب انتخاب ويژگي به نام ANOLISH ارائه مي‌دهيم. نتايج ارزيابي چارچوب ANOLISH نشان مي‌دهد، تركيب الگوريتم‌هاي تفسيرپذير با ANOVA، ضمن تأثير مثبت بر مرحله انتخاب ويژگي‌ها، به طور ميانگين باعث افزايش دقت مدل‌ها براساس معيارهاي درستي (6/5+)، فراخواني (1/5+)، معيار F (+3/5) و AUC (+6/75) شده و در مقايسه با ساير الگوريتم‌هاي انتخاب ويژگي بهترين عملكرد را به ارمغان مي‌آورد.

Fraud in financial data is a serious concern for business organizations and individuals. With the rise of e-commerce in the last decade, the use of credit cards has increased dramatically. Proper fraud detection allows investigators to take timely action and prevent further financial losses. In recent years, various methods have been proposed to detect frauds in financial data. One of the main steps in the fraud detection process is the feature selection step, which has an important impact on the accuracy and execution time of the models. In this paper, we propose a novel feature selection framework called ANOLISH by combining the ANoVA algorithm with the explainable algorithms like SHAP and LIME. The evaluation results of the ANOLISH framework show that the combination of explainable algorithms with ANOVA, while having a positive effect on the feature selection stage, on average increases the accuracy of the models based on the precision (+6.5), recall (+1.5), F-score (+ 3.5) and AUC (+6.75) and brings the best performance compared to other feature selection algorithms.