一种预测罕见暴力事件的算法方法：基于亲密伴侣暴力施暴的实例

大规模暴力，无论怎样界定，都（幸而）十分罕见。罕见事件极难被系统性地研究。标准统计方法可能严重失效，而对罕见事件的有用准确预测往往仅是一种奢望。我们提出了一种用于罕见事件统计分析的非传统方法，并以一项广泛的案例研究加以说明。我们报告的研究旨在了解极高风险的亲密伴侣暴力（IPV）施暴者特征，以及其与向警方报案的 IPV 事件相关的情境。极高风险定义为具有高概率实施致使受害者受伤的重复性 IPV 攻击。此类个体占所有 IPV 施暴者的极小比例；这些暴力行为相对罕见。为了仍能研究他们，我们以新颖方式依次将三种算法应用于从大都市警察局收集的数据：随机梯度提升、受自然选择启发的遗传算法，以及凝聚式聚类。我们试图刻画的不仅是总体上被预测会再犯的施暴者，而且是极可能以导致受害者受伤的方式再犯者。借助该策略，我们获得了大量认识。我们还提供了一种估计风险预测因子重要性的新方法。对于其他罕见暴力形式的研究，尤其在寻求有指导性的预测时，可得有益启示。若缺乏足够准确的预测，稀缺的预防资源便无法配置到最亟需之处。