开发犯罪预测模型的考量及衡量其准确性的新方法
应用统计
2020-06-16 v1
摘要
开发时空犯罪预测模型，以及在较小程度上开发衡量其准确性和操作效率的指标，近二十年来一直是一个活跃的研究领域。尽管人们呼吁对模型性能进行严格和独立的评估，但此类研究却少之又少。在本文中，我们认为研究不应专注于寻找一个在任何时候都最合适的预测模型或衡量指标，而应仔细考虑影响模型选择和指标选择的几个因素，以便为手头的问题找到最佳的指标和模型。我们认为，由于每个问题都是独特的，因此开发能够赋予实践者输入最适合手头问题的选择和偏好的能力的指标非常重要。我们开发了一种称为惩罚预测准确性指数（PPAI）的新指标，它提供了这种灵活性。我们还建议使用期望效用函数，以适合特定问题的方式组合多个指标，从而根据多个标准评估模型。我们进一步建议使用平均对数得分（ALS）指标，该指标适用于许多犯罪模型，并且其衡量准确性的方式与现有指标不同。这些指标可以与现有指标一起使用，为评估时空犯罪预测模型的准确性和潜在效用提供更全面的方法。
引用
@article{arxiv.2006.08008,
title = {Considerations for developing predictive models of crime and new methods for measuring their accuracy},
author = {Chaitanya Joshi and Clayton D'Ath and Sophie Curtis-Ham and Deane Searle},
journal= {arXiv preprint arXiv:2006.08008},
year = {2020}
}