Mostrar el registro sencillo del ítem
Fraud Detection on European Food and Animal Trade with Machine Learning Algorithms
dc.contributor.author | de Paz-Martín, María del Pilar | |
dc.date | 2017-09-15 | |
dc.date.accessioned | 2019-10-14T10:12:55Z | |
dc.date.available | 2019-10-14T10:12:55Z | |
dc.identifier.uri | https://reunir.unir.net/handle/123456789/9436 | |
dc.description | TRACES is an European Commission system to keep traceability of European imports and exports of animal products. Imports are exposed to several checks at entry points (Europe) but, given the high trading volume, only a subset is inspected (based on a human decision) and only a 2% of checked imports are effectively rejected. The principal goal of this work is to find an effective and efficient solution to early detect imports that have a high risk of not being appropriate for import (fraudulent). This work will analyse TRACES system and its generated data to find a predictive model based on machine learning algorithms to help to decisionmaking. Results of this work show that, even with a highly imbalanced class as we have in this domain, it is possible to have a ratio of true positives near 90% at country level inspection. | es_ES |
dc.description.abstract | TRACES es un sistema de la Comisión Europea que ofrece trazabilidad de las importaciones y exportaciones europeas. Las importaciones de mercancías de origen animal son objeto de varios controles cuando entran en Europa, pero dado el gran volumen de comercio, solo se pueden controlar un subconjunto de todas las importaciones realizadas (basadas en decisión humana), actualmente alrededor un 2% de estas mercancías son rechazadas. El principal objetivo de este trabajo es desarrollar una solución efectiva y eficiente que permita detectar de manera anticipada las mercancías que tienen un alto riesgo de no ser apropiadas para ser comercializadas en Europa (fraudulentas). Este trabajo, analiza el sistema TRACES y sus datos generados para proporcionar un modelo predicción basado en algoritmos de aprendizaje automático para ayudar a la toma de decisiones. Los resultados de este trabajo demuestran que, a pesar del desequilibrio de clases en este dominio, es posible obtener un ratio de verdaderos positivos cercano al 90% a nivel de inspección nacional. | es_ES |
dc.language.iso | eng | es_ES |
dc.rights | openAccess | es_ES |
dc.subject | fraud detection | es_ES |
dc.subject | animal food | es_ES |
dc.subject | international trading | es_ES |
dc.subject | machine learning | es_ES |
dc.subject | help to decision-making | es_ES |
dc.subject | detección de fraude | es_ES |
dc.subject | productos de origen animal | es_ES |
dc.subject | comercio internacional | es_ES |
dc.subject | aprendizaje automático | es_ES |
dc.subject | ayuda a la toma de decisiones | es_ES |
dc.subject | Máster en Visual Analytics y Big Data | es_ES |
dc.title | Fraud Detection on European Food and Animal Trade with Machine Learning Algorithms | es_ES |
dc.type | masterThesis | es_ES |
reunir.tag | ~MAVDM | es_ES |