본 연구는 금융 및 전자상거래와 같은 고위험 분야에서 사기 탐지의 중요성을 강조하며, 대규모 불균형 온라인 거래 데이터셋을 사용하여 로지스틱 회귀, 랜덤 포레스트, LightGBM, GRU 네트워크 등 4가지 지도 학습 모델의 성능을 체계적으로 비교 분석했습니다. 랜덤 포레스트와 LightGBM과 같은 앙상블 기법이 전반적인 지표와 클래스별 지표 모두에서 우수한 성능을 보였으며, 로지스틱 회귀는 해석 가능하고 신뢰할 수 있는 기준 모델 역할을 했습니다. GRU 모델은 소수 클래스인 사기 거래에 대한 재현율이 높았으나 정밀도가 낮아지는 trade-off를 보였습니다. 평가는 가중 평균뿐 아니라 클래스별 정밀도, 재현율, F1 점수를 포함하여 각 모델의 효과에 대한 세부적인 분석을 제공하며, 사기 탐지 시스템의 위험 허용치와 운영상의 요구 사항에 따라 모델을 선택하는 것이 중요함을 강조합니다.
