预测家庭暴力再犯的决策树方法
机器学习
2018-03-28 v1 机器学习
摘要
家庭暴力（DV）是一个具有高度性别特征的全球性社会和公共卫生问题。能够准确预测 DV 再犯，即先前被定罪者的再次犯罪，可以加快并改善警察和一线机构的风险评估程序，更好地保护 DV 受害者，并有可能防止 DV 的未来再次发生。以往在 DV 再犯预测中的工作采用了不同的分类技术，包括决策树（DT）归纳和逻辑回归，其主要焦点是实现高预测准确率。因此，即使是训练好的 DT 的图表也往往由于其大小和复杂性而难以解释，使决策制定具有挑战性。鉴于模型准确率和可解释性之间通常存在权衡，在这项工作中，我们的目标是采用 DT 归纳来获得可解释的树以及高预测准确率。具体而言，我们实施并评估了处理类别不平衡以及特征选择的不同方法。与以往采用逻辑回归的 DV 再犯预测工作相比，我们的方法仅使用 11 个可用特征中的 3 个，并生成仅包含 4 个叶节点的可理解决策树，即可获得可比的 ROC 曲线下面积结果。
引用
@article{arxiv.1803.09862,
title = {A Decision Tree Approach to Predicting Recidivism in Domestic Violence},
author = {Senuri Wijenayake and Timothy Graham and Peter Christen},
journal= {arXiv preprint arXiv:1803.09862},
year = {2018}
}
备注
12 pages; Accepted at The 2018 Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD)