የማሽን ተማር - በነጠላ ደኖች (Isolation Forests) የማጭበርበር ግብይቶችን ማወቅ

አዲስ ዘዴ በ 2008 በ [1] ውስጥ የተገነባ ሲሆን የአውትሌዮችን ልዩ ባህሪ በመጠቀም ነው፣ አውትሌዮች በተለምዶ ከዳታ ነጥቦች መብዛሃኛው ጋር እንደተገለሉ ነው። ይህን ባህሪ በግምት ውስጥ በማስገባት፣ ዳታ ነጥብን ለመከበብ ዳታ ነጥቦችን ዙሪያ የዘፈቀደ ክፍፍሎችን መፍጠር ይቻላል፣ ዳታ ነጥብን ለመግለል የሚያስፈልጉት ክፍፍሎች በጣም ያነሱ ከሆነ፣ እንደዚህ ያለ ዳታ ነጥብ አውትሌይ መሆኑ ይበልጥ ይቻላል። የተገነባው ስልተ-ቀመር ቀጥተኛ የጊዜ ውስብስብነት አለው እና የተወሰነ የማሠልጠኛ ዳታ በሚገኝበት ጊዜ እንኳን በደንብ እንደሚሰራ ተረጋግጧል፤ ይህ ሰፊ የማሠልጠኛ ዳታ የሚጠይቁትን የተለመዱ አካሄዶች ይቃራናል።

የድርጅት ተፈታታኝ ጠቅላላ እይታ

ቢሊዮን ግዥ-ሽያጮች በቀን እንደሚከናወኑ ሲታይ፣ የማጭበርበሪያ አልባዮችን ለይቶ ማወቅ እና ሞዴልን በእውነተኛ ጊዜ ማስኬድ ፈታኝ ነው። እይታዊ ምርመራ ቀለበቱ ውስጥ እርሳስ ማግኘት እንደ እርሳስ ማግኘት መሆኑን ያነሳሳል። የሚቀጥሉት ምስሎች የባንክ ግዥ-ሽያጮችን በጊዜ ላይ ያሳያሉ፣ የሕጋዊው አረንጓዴ ሲሆን የማጭበርበሪያው ቀይ ነው። የማጭበርበሪያ ግዥ-ሽያጮችን መለየት ፈታኝ ነው። የፋይናንሺያል ተቋማት ከደንቦች ጋር ለመጣጣም ማጭበርበሪያን ለመዋጋት መሞከር ይጠበቅባቸዋል። ይህ የደንበኞች ምክንትም ነው። ብዙውን ጊዜ ማጭበርበሪያ ሲከናወን፣ የፋይናንሺያል ተቋሙ የደንበኛ እርካታን ለመጠበቅ ወጪውን ይከፍላል።

ድርጅቶች በመጠን ሊፈቱ የሚገባቸው ችግሮችን ለመፍታት በዲጂታል ለውጥ ጉዞቻቸው ክፍል እየሆኑ ወደ ማሽን ሊርኒንግ ዘዴዎች እየተመለሱ ነው፣ ለምሳሌ እንደ ማጭበርበር መፈለግ። የማጭበርበርን ለመፈለግ የሚረዱ ብዙዎቹ ምልክቶች በተለምዶ በዳታ ዌሃዎች (data warehouses) ውስጥ ይከማቻሉ። የፎረንሲክ አካውንቲንግ ስልተ-ቀመሮችም ለማሽን ሊርኒንግ ሞዴሎች ግብዓት ሆነው ለሚያገለግሉ ሜትሪክስ ለመወሰን በጣም የገለጹ ናቸው።

የመለየት ደኖች በ Kaggle የክሬዲት ካርድ የመረጃ ስብስብ [2] ላይ ተተግብረዋል እና የሐሰት ግብይቶችን ለመለየት 99% ውጤታማ መሆናቸውን አሳይተዋል [3]። የሚሰራ አጠቃላይ ዘዴ መወሰኑን በግምት ይዞ፣ አብዛኛዎቹ ድርጅቶች በመጠን ላይ የሚሰሩ የተግባር መረጃ ችግሮችን ሲያጋጥሙ ይቆያሉ ከዚህ ይልቅ ጥናት ማድረግ አያስፈልጋቸውም & መፍትሔ ያዳቅሩ።

እንደ ML ግብዓት የሚገኝ የድርጅት ውሂብ

በፋይናንሺያል ተቋማት ጥቅም ላይ የሚውሉ የውሂብ ምንጮች የሚከተሉት ናቸው፦

• የደንበኛ ሜታ-ውሂብ።
• የግብይት ጊዜ ማስታወሻዎች እና መጠኖች።
• የደንበኞች የግብይት ታሪክ።
• የግብይቶች የጂኦግራፊያዊ ቦታ።
• የቤንፎርድ ህግ።

የውህደት ሜቶዶሎጂ

በአንድ ድርጅት ውስጥ እንደዚህ አይነትን ምንጮች ለመተንተን ከፍ ባለ ደረጃ ልንፈጽመው ከሚገባን ሂደት ግምት የሚከተለው ነው፦

• የሆነ ሥራ ማስተላለፍ ስርዓቶች የሚያሄዱት ሰፊ የመረጃ መጠን በመሆኑ ፣ ሰው በተለምዶ የሚያመለጠውን የግምት ግምት ግምት ያልሆነ ግምት ማግኘት ይቻላል ። በተለምዶ ይህን አይነኛ ግምት ነው ከፍተኛ የውድድር በርካታ የሚያመጣው ። ስለሆነም ድርጅቶች በውድድር ላይ ለመቆየት እንደ መንገድ ከእነዚህ ስርዓቶች ጋር ለመገናኘት ሌላ አማራጭ አይኖራቸውም ።
• በመጀመሪያ የመረጃ ስብስብ ላይ የመለያ ደን (isolation forest) ያለማቋረጥ ያሠለጥኑ እና የቅርብ ጊዜን የማጭበርበር ግብይት ንድፎች እንዲገኝ ለማረጋገጥ ሞዴሉን ወደፊትም በማሠለጥን ይቀጥሉ።
• የሚመጡትን ግብይቶች Isolation Forestን ለማስኬድ Telemus AI™ APIsን ሲያደርጉ፣ APIው በሞዴሉ ላይ በመመስረት የማጭበርበር ግብይት የመሆኑን ዕድል የሚገመግም የዕድል ቅርጽ ይመልሳል።
• ሊጥል የሚችል የውሸት ግብይታ ላይ የውሸት ቡድንን እንዲሁም ደንበኞችን ለማስጠንቀቅ የተበጁ የስራ ፍሰቶችን እና ሂደቶችን ያቋርጡ

Telemus AI™ ጠንካራ የማሽን ትምህርት ሞዴሎች አሉት፣ ስለዚህ ድርጅትዎ የቴክኒክ ትግበራ ሳይሆን የንግድ አሰራር ላይ ሊያተኩር ይችላል።

የድርጅት መተግበሪያዎች

የሚከተሉት ለድርጅትዎ ሌሎች የሚቻሉ መተግበሪያዎችን ይዘረዝራል፦

• የውሸት ግብይቶችን ማወቅ።
• የሰራተኛ የውሸት ጥያቄዎችን ማወቅ።
• በሰው ሀብት ክትትል ስርዓቶች በመጠቀም ያልተለመደ የድርጅት ባህሪ መወሰን።

የሚሆን እና የተገነባ ጥቅሞች

የሆነ ሥራ ማስተላለፍ ስርዓቶች የሚያሄዱት ሰፊ የመረጃ መጠን በመሆኑ ፣ ሰው በተለምዶ የሚያመለጠውን የግምት ግምት ግምት ያልሆነ ግምት ማግኘት ይቻላል ። በተለምዶ ይህን አይነኛ ግምት ነው ከፍተኛ የውድድር በርካታ የሚያመጣው ። ስለሆነም ድርጅቶች በውድድር ላይ ለመቆየት እንደ መንገድ ከእነዚህ ስርዓቶች ጋር ለመገናኘት ሌላ አማራጭ አይኖራቸውም ።

Telemus AI™ ለመንግስት እና ለሰፈራ የላቀ መፍትሄዎችን የሚሰጥ የአውስትራሊያ ላይ የተመሰረተ የሰው ሁሉ ለማድረስ የሚሻው ኩባንያ ነው። Telemus AI™ ወደ ድርጅትዎ እንዴት እንደሚዋሃድ ለመረዳት ዛሬ ይጠይቁን።

ማጣቀሻዎች

[1] - Isolation Forest - Fei Tony Liu, Kai Ming Ting, እና Zhi-Hua Zhou
[2] - የክሬዲት ካርድ ማጭበርበሪያ መርማሪ - Kaggle
[3] - በክሬዲት ካርድ ማጭበርበር ማወቅ ውስጥ ያለ የማሽን ተማር - S ጆኤል ፍራንክሊን