基于犯罪类型与时空犯罪热点的犯罪预测

本文聚焦于发现时空犯罪热点。其分析了丹佛（科罗拉多州）和洛杉矶（加利福尼亚州）的两个不同真实世界犯罪数据集，并通过若干图表支持的统计分析对两个数据集进行了比较。随后，阐明了我们如何运用Apriori算法为犯罪热点生成有趣的频繁模式。此外，论文展示了我们如何使用决策树分类器和朴素贝叶斯分类器来预测潜在的犯罪类型。为了进一步分析犯罪数据集，论文通过将丹佛犯罪数据集的发现与其人口统计信息相结合，引入了一项分析研究，以捕捉可能影响社区安全的因素。该解决方案的结果可用于提高对危险地点的警觉，并帮助相关机构预测在特定时间内某一特定地点发生的未来犯罪。