完善犯罪机器
计算机与社会
2020-09-22 v2 机器学习
应用统计
摘要
本研究探索使用不同机器学习技术与工作流来预测犯罪相关统计，具体而言为费城的犯罪类型。我们以犯罪地点与时间作为主要特征，从原始数据具有的这两个特征中提取不同特征，并构建可处理大量类标签的模型。我们使用包括结合无监督学习技术在内的不同技术提取多种特征，并试图预测犯罪类型。我们所使用的一些模型为支持向量机、决策树、随机森林、K近邻。我们报告随机森林为预测犯罪类型的最佳性能模型，其错误对数损失为2.3120。
引用
@article{arxiv.2001.09764,
title = {Perfecting the Crime Machine},
author = {Yigit Alparslan and Ioanna Panagiotou and Willow Livengood and Robert Kane and Andrew Cohen},
journal= {arXiv preprint arXiv:2001.09764},
year = {2020}
}
备注
11 pages, 55 figures, fixed typos, added references in Introduction section