ـدند . در ادامـه بـه تحلیـلمعیارهای عملکرد مدل های ایجاد شده پرداخته خواهد شد.
پس از ارزیابی مدل با استفاده از معیارهای اشاره شده در جدول 1، نتایج نشـان دادنـد کـه بـاانتخاب مقدار برش معادل 5/0، شبکه عصبی پرسـپترون بـا دقـت 9/99 درصـد توانسـته اسـتتراکنش ها را به دو دسته سالم و متقلبانه طبقه بندی کند؛ این در حالی است که این شبکه با دقت تقریباً 100 درصد، تراکنش های سالم و با دقت 4/70 درصد، تراکنش های متقلبانه را بـه درسـتیطبقه بندی کرده است. مقادیر مربوط به معیارهای اصـلی 2g-mean و Fβ بـه ترتیـب برابـر 9/83 درصد و 8/70 درصد محاسبه شده است (توضیح اینکه با توجـه بـه هـدف اصـلی پـژوهش کـه عملکرد مناسب مدل در شناسایی تراکنش های متقلبانه است، برای محاسبه Fβ، مقدار β برابر بـا 5 در نظر گرفته شده است). با توجه به نمودار پیش بینی ـ واقعی (شکل 3) میتوان دریافـت کـهبا انتخاب مقدار برش 3/0، می توان با کمترین هزینه در شناسایی تراکنش های سـالم، شناسـاییتراکنش های متقلبانه را بهبود بخشید. در این حالت با دقت 95/99 درصد تراکنش های سالم و با دقت 3/75 درصد تراکنش هـای متقلبانـه شناسـایی شـدند و مقـادیر معیارهـای 2g-mean و Fβ به ترتیب برابر 8/86 درصد و 2/75 درصد به دست آمد.