Khám phá học máy lượng tử trong phát hiện gian lận
So sánh kernel lượng tử và kernel cổ điển trên dữ liệu giao dịch thẻ tín dụng. Theo dõi kết quả thực nghiệm qua 5-fold với cấu hình cân bằng dữ liệu RUS 1:1.
Schrodinger's Knights · Quantum AI Lab
Từ giao dịch đến đánh giá
01Dữ liệu giao dịch
Đặc trưng ẩn danh · nhãn hợp lệ / gian lận
02Huấn luyện & so sánh
Kernel cổ điển · kernel lượng tử
03Đánh giá qua 5 fold
Accuracy · Precision · Recall · F1
Cùng bài toán, nhiều cách tiếp cận. Khám phá hiệu quả của từng mô hình qua các chỉ số thực nghiệm.
Dữ liệu thực tế
Credit Card Fraud Detection
Đánh giá 5-fold
Quan sát độ ổn định của mô hình
Cân bằng RUS 1:1
Giao dịch hợp lệ và gian lận
Credit Card Fraud Detection
Nhận diện những giao dịch bất thường giữa hàng trăm nghìn giao dịch thẻ. Bộ dữ liệu ghi nhận hoạt động của chủ thẻ tại châu Âu, là nền tảng cho các thí nghiệm phát hiện gian lận của nhóm.
Giao dịch gốc
284.807
Trong 2 ngày, tháng 09/2013
Giao dịch gian lận
492
Nhãn Class = 1
Tỷ lệ gian lận
0,172%
Dữ liệu gốc mất cân bằng mạnh
Đặc trưng đầu vào
30
V1–V28, Time và Amount
Bên trong một giao dịch
- V1–V28
- 28 thành phần chính được biến đổi bằng PCA để bảo mật thông tin gốc.
- Time
- Số giây kể từ giao dịch đầu tiên trong bộ dữ liệu.
- Amount
- Giá trị giao dịch; cùng Time là hai biến chưa được biến đổi PCA.
- Class
- Nhãn mục tiêu: 0 là hợp lệ, 1 là gian lận.
Nguồn: ULB Machine Learning Group · Kaggle. Các thống kê phía trên mô tả dataset gốc, trước khi lấy mẫu.
Đánh giá qua 5 lượt chia dữ liệu
Tập huấn luyện
786 mẫu
393 hợp lệ · 393 gian lận
Tập kiểm tra
198 mẫu
99 hợp lệ · 99 gian lận
Số mẫu của từng fold tương ứng phiên bản rus_1_1 đầy đủ, chưa tính subset. Tổng hợp kết quả qua 5 fold giúp quan sát mức độ ổn định giữa các lượt chia.
Từ mất cân bằng đến tỷ lệ 1:1
RUS chọn ngẫu nhiên một phần giao dịch hợp lệ của lớp đa số để có số mẫu bằng với lớp gian lận. Cấu hình rus_1_1 tạo tỷ lệ hợp lệ : gian lận là 1:1, giảm số mẫu huấn luyện nhưng cũng loại bỏ một phần thông tin của lớp đa số.
Kernel | Accuracy | Precision | Recall | F1 |
|---|---|---|---|---|
Linear Kernel | 0.9380 ± 0.0162 | 0.9413 ± 0.0144 | 0.9380 ± 0.0162 | 0.9379 ± 0.0163 |
RBF Kernel | 0.9380 ± 0.0130 | 0.9391 ± 0.0127 | 0.9380 ± 0.0130 | 0.9380 ± 0.0131 |
Quantum ZZ Custom Kernel | 0.9319 ± 0.0127 | 0.9333 ± 0.0132 | 0.9319 ± 0.0127 | 0.9318 ± 0.0127 |
Quantum Custom Kernel | 0.9411 ± 0.0087 | 0.9451 ± 0.0090 | 0.9411 ± 0.0087 | 0.9410 ± 0.0087 |
Tuna 17 Quantum ZZ Custom Kernel | 0.9300 ± 0.0400 | 0.9342 ± 0.0384 | 0.9300 ± 0.0400 | 0.9298 ± 0.0401 |
Time | V1 | V2 | V3 | V4 | V5 | V6 | V7 | V8 | V9 | V10 | V11 | V12 | V13 | V14 | V15 | V16 | V17 | V18 | V19 | V20 | V21 | V22 | V23 | V24 | V25 | V26 | V27 | V28 | Amount | Class | Hoạt động |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| No results. | |||||||||||||||||||||||||||||||
Số hàng mỗi trang
Thành viên nhóm
Schrodinger's Knights — AI-Quantum Challenge 2026
Đại Học Bách Khoa Hà Nội
Điện tử - Viễn Thông
Đại Học Quốc Gia Hà Nội
Công nghệ thông tin
Đại Học Bách Khoa Hà Nội
Khoa học dữ liệu và Trí tuệ nhân tạo
Đại Học Bách Khoa Hà Nội
Kĩ thuật máy tính
Đại Học Phenikaa
Khoa học máy tính