La mineria de datos y machine learning son herramientas altamente potenciales en la identificacion de observaciones inusuales en tendencias de patrones, dado que son un conjunto de tecnicas robustas que facilitan la toma de decision, el proceso knowledge discovery in databases, kdd por sus siglas en ingles, es un campo de la estadistica y ciencias de la computacion que emplea diversas tecnicas y metodologias para el proceso de identificar patrones valiosos en la extraccion de la informacion nueva, util y novedosa; una de las etapas mas importantes es el data mining, donde se realiza la estimacion de los parametros de los modelos probabilisticos como son las redes neuronales, random forest, naive bayes, maquinas de soporte vectorial, modelos lineales generalizados logit, probit y log log; posteriormente seran evaluados y analizados con las metricas de clasificacion accuracy, precision, recall, f beta score y curva roc. El fraude se define como la accion contraria a la verdad y a la rectitud, que perjudica a la persona o entidad contra quien se comete, esto conlleva a perdidas economicas y problemas legales; hay diferentes tipos de fraude, como son intruso a redes privadas, tarjeta de credito, telecomunicaciones y lavado de activos. Este trabajo busca comparar la eficiencia de los modelos probabilisticos de la mineria de datos, machine learning y los modelos lineales generalizados para ser aplicados a las transacciones con tarjeta de credito y evaluar con las metricas de clasificacion que modelo probabilistico es eficiente en la deteccion de predecir el fraude.