Evaluating the impact of point-biserial correlation-based feature selection on machine learning classifiers: a credit card fraud detection case study

Abstract

Objective: This article examines the factors influencing the awareness and adoption of International Public Sector Accounting Standards (IPSAS) in public units in Vietnam. It seeks to identify key challenges and drivers that affect the understanding and implementation of these standards. Methods: The study uses a survey methodology, gathering responses from a sample of public service units in Vietnam. The survey is designed to assess the level of awareness and readiness of these units to adopt IPSAS, considering variables such as management support, training, and technical infrastructure. Statistical analysis was performed to determine the most influential factors. Results: The findings highlight that managerial support, adequate training, and access to proper technical infrastructure are crucial for successful IPSAS implementation. Lack of awareness, insufficient training, and resource limitations are the primary barriers to the adoption of these standards. Public units that have higher levels of awareness and better access to resources are more likely to successfully implement IPSAS. Contribution: The study provides valuable insights into the process of adopting IPSAS in Vietnam’s public sector. It offers recommendations for improving training programs, enhancing managerial support, and strengthening the technical capacity of public units to ensure smoother implementation of the standards. Conclusion: The implementation of IPSAS in Vietnam's public sector is affected by several key factors, including awareness, training, and infrastructure. Strengthening these areas can significantly improve the adoption process and enhance transparency and accountability in public financial management.En el ámbito de la seguridad financiera, la detección de fraudes con tarjetas de crédito presenta un desafío por excelencia, exacerbado por la alta dimensionalidad y la naturaleza desequilibrada de los datos de las transacciones. Para mejorar la eficacia de los clasificadores de aprendizaje automático en este campo, la selección de características surge como un paso de preprocesamiento crítico, con el objetivo de mejorar la precisión del modelo y la eficiencia computacional al tiempo que se aborda la asimetría de los datos. Este estudio profundiza en la eficacia de la selección de características basada en la correlación biserial puntual (PBC), un método particularmente adecuado para conjuntos de datos con una variable de resultado binaria, y su influencia en una variedad de clasificadores de aprendizaje automático utilizados en la detección de fraude con tarjetas de crédito. La investigación abarca un análisis comparativo exhaustivo de varios clasificadores ampliamente implementados. La intención del estudio es cuantificar el impacto de la selección de funciones no solo en el rendimiento predictivo de los clasificadores sino también en la eficiencia del entrenamiento, delineada por índices de aceleración, que reflejan la reducción relativa de los tiempos de entrenamiento. Nuestros hallazgos demuestran que la selección de características basada en PBC tiene un impacto matizado en los clasificadores. Si bien la mayoría de los clasificadores exhiben mejoras notables en la eficiencia, algunos, como LightGBM, que muestran un aumento del 88% en la velocidad de entrenamiento, como SVM, muestran una interacción intrincada entre la complejidad del modelo y la selección de características, lo que resulta en tiempos de entrenamiento más largos.Objetivo: Este artigo examina os fatores que influenciam a conscientização e a adoção das Normas Internacionais de Contabilidade do Setor Público (IPSAS) nas unidades públicas do Vietnã. O objetivo é identificar os principais desafios e impulsionadores que afetam a compreensão e a implementação dessas normas. Métodos: O estudo utiliza uma metodologia de pesquisa, coletando respostas de uma amostra de unidades de serviço público no Vietnã. O questionário foi elaborado para avaliar o nível de conscientização e prontidão dessas unidades para adotar as IPSAS, considerando variáveis como apoio gerencial, treinamento e infraestrutura técnica. Foi realizada uma análise estatística para determinar os fatores mais influentes. Resultados: Os resultados destacam que o apoio gerencial, o treinamento adequado e o acesso à infraestrutura técnica apropriada são cruciais para a implementação bem-sucedida das IPSAS. A falta de conscientização, treinamento insuficiente e limitações de recursos são as principais barreiras à adoção dessas normas. Unidades públicas com maiores níveis de conscientização e melhor acesso a recursos são mais propensas a implementar as IPSAS com sucesso. Contribuição: O estudo oferece insights valiosos sobre o processo de adoção das IPSAS no setor público do Vietnã. Ele oferece recomendações para melhorar os programas de treinamento, aumentar o apoio gerencial e fortalecer a capacidade técnica das unidades públicas para garantir uma implementação mais suave das normas. Conclusão: A implementação das IPSAS no setor público do Vietnã é influenciada por vários fatores-chave, como conscientização, treinamento e infraestrutura. O fortalecimento dessas áreas pode melhorar significativamente o processo de adoção e aumentar a transparência e a responsabilidade na gestão financeira pública.