Benchmarking machine learning models for transaction-level anti-money laundering under extreme class imbalance

Abstract

This study presents a comparative evaluation of supervised machine learning methods for transaction-level anti-money laundering detection under extreme class imbalance. Experiments are conducted on the Lower Illicit–Small subset of the IBM Transactions for anti-money laundering dataset, which includes nearly seven million transactions with a laundering prevalence of approximately 0.05%. Logistic Regression, Random Forest, XGBoost, and CatBoost models are implemented using model-specific preprocessing and hy perparameter tuning strategies. Model performance is assessed on an independent test set using accuracy, precision, recall, F1-score, ROC-AUC, and balanced accuracy metrics. The results reveal clear precision–recall trade-offs among the models. While Logistic Regression reflects an inclusive detection approach with the highest recall and balanced accuracy, CatBoost supports more selective alarm strategies aimed at minimizing false positives, driven by its higher precision and ROC– AUC performance. Overall, the findings highlight the importance of metric- driven model selection and careful operating-point design in practical anti-money laundering screening systems.Bu çalışma, aşırı sınıf dengesizliği koşulları altında işlem düzeyinde kara para aklama tespitine yönelik denetimli makine öğrenmesi yöntemlerinin karşılaştırmalı bir değerlendirmesini sunmaktadır. Deneyler, yaklaşık yedi milyon işlemden oluşan ve kara para aklama oranı yaklaşık %0,05 olan IBM Transactions for Anti-Money Laundering veri setinin Lower Illicit–Small alt kümesi üzerinde gerçekleştirilmiştir. Lojistik Regresyon, Rastgele Orman, XGBoost ve CatBoost modelleri, modele özgü ön işleme adımları ve hiperparametre ayarlamaları kullanılarak uygulanmıştır. Model performansı, bağımsız bir test kümesi üzerinde doğruluk, kesinlik, duyarlılık, F1-skoru, ROC-AUC ve dengeli doğruluk ölçütleri kullanılarak değerlendirilmiştir. Bulgular, modeller arasında belirgin kesinlik–duyarlılık dengeleri bulunduğunu göstermektedir. Lojistik Regresyon en yüksek duyarlılık ve dengeli doğruluk değerleriyle kapsayıcı bir tespit yaklaşımını yansıtırken, CatBoost daha yüksek kesinlik ve ROC-AUC Alan performansı ile daha muhafazakâr alarm stratejilerini desteklemektedir. Sonuçlar, uygulamalı kara para aklama tarama sistemlerinde ölçüt temelli model seçiminin ve uygun karar eşiklerinin belirlenmesinin önemini ortaya koymaktadır.