利用时空数据预测犯罪
机器学习
2020-03-23 v1 计算机与社会
机器学习
摘要
犯罪是一种对个人及其社会有害、应受惩罚的违法行为。理解犯罪活动的模式以预防犯罪是显而易见的。研究可帮助社会预防和解决犯罪活动。研究表明仅 10% 的犯罪者实施了总计 50% 的违法行为。若执法团队能提前获知城市不同地点的犯罪活动信息及先验知识，便可更快响应。本文采用监督学习技术以更高准确度预测犯罪。所提系统通过分析包含既往犯罪记录及其模式的数据集来预测犯罪。系统基于两种主要算法：i) 决策树，ii) k-近邻。使用随机森林（Random Forest）算法与 Adaboost 来提高预测准确度。最后，采用过采样以获得更好准确度。所提系统输入为旧金山城市长达十二年的犯罪活动数据集。
引用
@article{arxiv.2003.09322,
title = {Crime Prediction Using Spatio-Temporal Data},
author = {Sohrab Hossain and Ahmed Abtahee and Imran Kashem and Mohammed Moshiul Hoque and Iqbal H. Sarker},
journal= {arXiv preprint arXiv:2003.09322},
year = {2020}
}
备注
International Conference on Computing Science, Communication and Security (COMS2), 2020. Springer