<div class="csl-bib-body">
<div class="csl-entry">Heiler, G. (2017). <i>Cost-based statistical methods for fraud-detection : prediction of never paying customers considering individual risk</i> [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://doi.org/10.34726/hss.2017.51005</div>
</div>
-
dc.identifier.uri
https://doi.org/10.34726/hss.2017.51005
-
dc.identifier.uri
http://hdl.handle.net/20.500.12708/6088
-
dc.description
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers
-
dc.description.abstract
Telekommunikationsunternehmen treten zunehmend als Finanziers der immer teureren Endgeräte auf. Mit einher geht die Gefahr von Zahlungsausfällen betrügerischer Kunden, die versuchen, Mobiltelefone, aber auch Dienstleistungen des Providers gratis zu nutzen, d.h. ohne jemals eine einzige Rechnung zu begleichen. Klassische Kreditschutzverfahren stellen keinen ausreichenden Schutz dar. Moderne maschinelle Lernverfahren können aufgrund einer besseren Segmentierung der Kunden wesentliche Vorteile bieten. Der Einsatz von speziell kostenbasierten Algorithmen können die Einsparungen noch erhöhen. Wir vergleichen die Ergebnisse des klassischen Bonitätsprüfungsprozesses unseres Partners mit normalen und speziell kostenbasierten Verfahren des maschinellen Lernens. Hierzu entwickeln wir eine Kostenmatrix um das Risiko im Einzelfall optimal beurteilen zu können.
de
dc.description.abstract
Telecommunication providers not only offer services but increasingly finance consumer devices. Credit scoring and the detection of fraud for new account applications gained importance as standard credit approval processes showed to fall short for new customers as there is only scarce information available in internal systems. Modern machine learning algorithms, however, can still infer intricate patterns from the data and thus can efficiently classify customers. Cost-sensitive methodologies can even enhance the savings. In this thesis, we develop a cost matrix which allows evaluating the individual risk of accepting a new customer and therefore helps to prevent new account subscription fraud optimally.
en
dc.language
English
-
dc.language.iso
en
-
dc.rights.uri
http://rightsstatements.org/vocab/InC/1.0/
-
dc.subject
Classification
en
dc.subject
Statistics
en
dc.subject
tree-based methods
en
dc.title
Cost-based statistical methods for fraud-detection : prediction of never paying customers considering individual risk
en
dc.type
Thesis
en
dc.type
Hochschulschrift
de
dc.rights.license
In Copyright
en
dc.rights.license
Urheberrechtsschutz
de
dc.identifier.doi
10.34726/hss.2017.51005
-
dc.contributor.affiliation
TU Wien, Österreich
-
dc.rights.holder
Georg Heiler
-
dc.publisher.place
Wien
-
tuw.version
vor
-
tuw.thesisinformation
Technische Universität Wien
-
tuw.publication.orgunit
E180 - Fakultät für Informatik
-
dc.type.qualificationlevel
Diploma
-
dc.identifier.libraryid
AC15008906
-
dc.description.numberOfPages
84
-
dc.identifier.urn
urn:nbn:at:at-ubtuw:1-111410
-
dc.thesistype
Diplomarbeit
de
dc.thesistype
Diploma Thesis
en
tuw.author.orcid
0000-0002-8684-1163
-
dc.rights.identifier
In Copyright
en
dc.rights.identifier
Urheberrechtsschutz
de
tuw.advisor.staffStatus
staff
-
tuw.advisor.orcid
0000-0002-8014-4682
-
item.fulltext
with Fulltext
-
item.cerifentitytype
Publications
-
item.mimetype
application/pdf
-
item.openairecristype
http://purl.org/coar/resource_type/c_bdcc
-
item.languageiso639-1
en
-
item.openaccessfulltext
Open Access
-
item.openairetype
master thesis
-
item.grantfulltext
open
-
crisitem.author.dept
E105 - Institut für Stochastik und Wirtschaftsmathematik