<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=121701"><dc:title>Zgodnje odkrivanje prevar pri menjavi kriptovalut s strojnim učenjem</dc:title><dc:creator>Tehovnik,	Lea	(Avtor)
	</dc:creator><dc:creator>Todorovski,	Ljupčo	(Mentor)
	</dc:creator><dc:creator>Demšar,	Jaka	(Komentor)
	</dc:creator><dc:subject>strojno učenje</dc:subject><dc:subject>naključni gozdovi</dc:subject><dc:subject>napovedovanje redkih dogodkov</dc:subject><dc:subject>odkrivanje prevar</dc:subject><dc:subject>kriptovalute</dc:subject><dc:description>Z nastankom novih tehnologij, kot so kriptovalute, se pojavijo tudi novi načini prevar. Soočimo se s problematiko bančnih prevar na kripto borzah. Prevare želimo identificirati in jih ustaviti, preden je prepozno. Primarno za to uporabimo metode za nadzorovano strojno učenje, kjer se osredotočimo na drevesne metode, natančneje na naključne gozdove. Napovedujemo redek pojav, zato imamo opravka z zelo neuravnoteženo porazdelitvijo ciljne spremenljivke, kar rešujemo z uporabo metod pod- in nad-vzorčenja učnih podatkov. Končni model smo zgradili z metodo naključnih gozdov, kategorične spremenljivke pa smo pretvorili v numerične, saj smo pokazali, da to pripomore k izboljšavi rezultatov. Rezultati na testnih podatkih kažejo, da je končni model uporaben, saj identificira skoraj vse prevarante. Spodbuden rezultat lahko uporabimo za nadaljnji razvoj modela in implementacijo v sistem borze.</dc:description><dc:date>2020</dc:date><dc:date>2020-10-23 08:15:01</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>121701</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>