面向低人口密度地区的公共决策支持：一种用于时空犯罪预测的不平衡感知超集成方法
计算机与社会
2019-02-12 v1
摘要
已知犯罪事件呈现出时空模式，可用于预测建模及后续的决策支持。尽管以往关注点置于高人口密度区域，我们应对的是在低密度人口且犯罪分布高度不均的区域中预测犯罪热点的挑战性任务。这导致结果变量出现严重的稀疏性（即类不平衡），从而阻碍预测建模。为缓解此问题，我们开发了专门针对类标签不平衡分布调整的时空预测机器学习模型，并在包含最先进预测变量（即高分辨率的 socio-economic、地理、时间、气象及犯罪变量）的实际环境中对其进行测试。所提出的不平衡感知超集成在 targeting 前 5% 热点时将命中率从 18.1% 显著提升至 24.6%，在 targeting 前 20% 热点时从 53.1% 提升至 60.4%。
引用
@article{arxiv.1902.03237,
title = {Public decision support for low population density areas: An imbalance-aware hyper-ensemble for spatio-temporal crime prediction},
author = {Cristina Kadar and Rudolf Maculan and Stefan Feuerriegel},
journal= {arXiv preprint arXiv:1902.03237},
year = {2019}
}