通过城市指标与统计学习的犯罪预测
物理与社会
2018-04-10 v2 应用统计
机器学习
摘要
理解犯罪成因是研究者议程上的长期议题。尽管从数据中提取因果性是一项困难任务，已有若干线性模型被提出，通过犯罪与城市指标间的现有相关性来预测犯罪。然而，由于城市指标中的非高斯分布与多重共线性，关于某些城市指标对犯罪影响的争议性结论十分常见。基于机器学习的集成算法可良好处理此类问题。此处，我们使用随机森林回归器预测犯罪并量化城市指标对凶杀案的影响。我们的方法在犯罪预测上可达 97% 的准确率，且城市指标的重要性被排序并聚为同等影响的组，在分析数据样本的轻微变化下具有稳健性。我们的结果确定了用于预测犯罪的城市指标重要性排序，揭示失业与文盲是描述巴西城市凶杀案最重要的变量。我们进一步相信，我们的方法有助于就城市指标对犯罪的影响产生更稳健的结论，并具有指导犯罪控制公共政策的潜在应用。
引用
@article{arxiv.1712.03834,
title = {Crime prediction through urban metrics and statistical learning},
author = {Luiz G A Alves and Haroldo V Ribeiro and Francisco A Rodrigues},
journal= {arXiv preprint arXiv:1712.03834},
year = {2018}
}
备注
Accepted for publication in Physica A