利用深度学习预测犯罪
机器学习
2018-06-06 v1 机器学习
摘要
本工作的目标是利用深度神经网络在精细城市分区上做出次日犯罪计数预测。我们使用芝加哥和波特兰的犯罪数据做出预测，这些数据通过涵盖天气、人口普查数据和公共交通的附加数据集进行了增广。犯罪计数被分为 10 个区间，我们的模型预测每个空间区域在每日层面上最可能的区间。我们使用日益复杂的神经网络结构训练该数据，包括适用于犯罪预测问题空间与时间特性的变体。凭借最佳模型，我们能够以 75.6% 和 65.3% 的准确率分别正确预测芝加哥和波特兰的总体犯罪计数区间。结果表明了神经网络对该预测问题的有效性，以及除标准犯罪数据外使用外部数据集的价值。
引用
@article{arxiv.1806.01486,
title = {Forecasting Crime with Deep Learning},
author = {Alexander Stec and Diego Klabjan},
journal= {arXiv preprint arXiv:1806.01486},
year = {2018}
}