論文の概要: Prediction of Homicides in Urban Centers: A Machine Learning Approach
- arxiv url: http://arxiv.org/abs/2008.06979v4
- Date: Sun, 21 Mar 2021 18:35:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-28 09:04:55.213031
- Title: Prediction of Homicides in Urban Centers: A Machine Learning Approach
- Title（参考訳）: 都市中心部における殺人予測 : 機械学習によるアプローチ
- Authors: Jos\'e Ribeiro, Lair Meneses, Denis Costa, Wando Miranda, Ronnie Alves
- Abstract要約: 本研究では、一般的なデータを用いたデータセットを用いて、殺人犯罪を予測する機械学習モデルを提案する。
生成されたデータセット上で、単純で堅牢なアルゴリズムで分析が行われた。
結果は,提案問題のベースラインとみなす。
- 参考スコア（独自算出の注目度）: 0.8312466807725921
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Relevant research has been highlighted in the computing community to develop
machine learning models capable of predicting the occurrence of crimes,
analyzing contexts of crimes, extracting profiles of individuals linked to
crime, and analyzing crimes over time. However, models capable of predicting
specific crimes, such as homicide, are not commonly found in the current
literature. This research presents a machine learning model to predict homicide
crimes, using a dataset that uses generic data (without study location
dependencies) based on incident report records for 34 different types of
crimes, along with time and space data from crime reports. Experimentally, data
from the city of Bel\'em - Par\'a, Brazil was used. These data were transformed
to make the problem generic, enabling the replication of this model to other
locations. In the research, analyses were performed with simple and robust
algorithms on the created dataset. With this, statistical tests were performed
with 11 different classification methods and the results are related to the
prediction's occurrence and non-occurrence of homicide crimes in the month
subsequent to the occurrence of other registered crimes, with 76% assertiveness
for both classes of the problem, using Random Forest. Results are considered as
a baseline for the proposed problem.
- Abstract（参考訳）: コンピュータコミュニティにおいて、犯罪の発生を予測し、犯罪の文脈を分析し、犯罪に関連する個人のプロファイルを抽出し、時間の経過とともに犯罪を分析する機械学習モデルを開発するための関連研究が強調されている。
しかし、殺人などの特定の犯罪を予測できるモデルは、現在の文献にはあまり見出されていない。
本研究は、34種類の犯罪のインシデントレポート記録と犯罪報告からの時間と空間データに基づいて、一般的なデータ(研究場所に依存しない)を用いて殺人犯罪を予測する機械学習モデルを提案する。
実験では、ブラジルのベルジュエム - パルジュア市からのデータを使用した。
これらのデータは問題をジェネリックにするために変換され、このモデルの他の場所へのレプリケーションを可能にした。
研究では、生成されたデータセット上で、単純で堅牢なアルゴリズムを用いて分析を行った。
これにより,11種類の分類法を用いて統計検査を行い,ランダムフォレスト(Random Forest)を用いて,他の登録犯罪の発生後の1カ月間の予測と殺人犯罪の発生と非発生とを関連づけた。
結果は提案問題のベースラインと見なされる。
関連論文リスト
- Deep Learning Based Crime Prediction Models: Experiments and Analysis [1.4214002697449326]
犯罪予測は、都市住民の安全を確保することの重要性から、広く研究されている研究課題である。
ディープラーニングに基づく犯罪予測モデルは、犯罪データの潜伏した特徴をキャプチャするために複雑なアーキテクチャを使用する。
我々は、最先端のディープラーニングに基づく犯罪予測モデルについて、総合的な実験的評価を行う。
論文 参考訳（メタデータ） (2024-07-27T19:11:16Z) - Learning to Bound Counterfactual Inference in Structural Causal Models
from Observational and Randomised Data [64.96984404868411]
我々は、従来のEMベースのアルゴリズムを拡張するための全体的なデータの特徴付けを導出する。
新しいアルゴリズムは、そのような混合データソースからモデルパラメータの(不特定性)領域を近似することを学ぶ。
反実的な結果に間隔近似を与え、それが特定可能な場合の点に崩壊する。
論文 参考訳（メタデータ） (2022-12-06T12:42:11Z) - Crime Prediction using Machine Learning with a Novel Crime Dataset [0.0]
バングラデシュは貧困、人口増加、その他多くの社会経済的問題による犯罪率が高い。
法執行機関にとって、将来の犯罪活動を防ぐためには犯罪パターンを理解することが不可欠である。
本稿では,バングラデシュにおける6574件の犯罪事件に関する時間的,地理的,天気,人口統計データを含む新たな犯罪データセットを提案する。
論文 参考訳（メタデータ） (2022-11-03T01:55:52Z) - Predicting Seriousness of Injury in a Traffic Accident: A New Imbalanced
Dataset and Benchmark [62.997667081978825]
本稿では,交通事故における傷害の重大性を予測するために,機械学習アルゴリズムの性能を評価する新しいデータセットを提案する。
データセットは、英国運輸省から公開されているデータセットを集約することで作成される。
論文 参考訳（メタデータ） (2022-05-20T21:15:26Z) - Selecting the suitable resampling strategy for imbalanced data
classification regarding dataset properties [62.997667081978825]
医学、情報検索、サイバーセキュリティ、ソーシャルメディアなどの多くのアプリケーションドメインでは、分類モデルの導入に使用されるデータセットは、各クラスのインスタンスの不平等な分布を持つことが多い。
この状況は不均衡データ分類と呼ばれ、少数民族の例では予測性能が低い。
オーバーサンプリングとアンダーサンプリングの技術は、各クラスの例の数とバランスをとることでこの問題に対処する、よく知られた戦略である。
論文 参考訳（メタデータ） (2021-12-15T18:56:39Z) - The effect of differential victim crime reporting on predictive policing
systems [84.86615754515252]
本研究では, 被害者の犯罪報告率の違いが, 共通犯罪ホットスポット予測モデルにおいて, 結果の相違をもたらすことを示す。
以上の結果から, 犯罪報告率の差は, 高犯罪から低犯罪へ, 高犯罪・中犯罪・高報道へ, 予測ホットスポットの移動につながる可能性が示唆された。
論文 参考訳（メタデータ） (2021-01-30T01:57:22Z) - On the Transferability of Adversarial Attacksagainst Neural Text
Classifier [121.6758865857686]
テキスト分類モデルの逆例の転送可能性について検討する。
本稿では,ほとんどすべての既存モデルを騙すために,敵の例を誘導できるモデル群を見つける遺伝的アルゴリズムを提案する。
これらの逆例からモデル診断に使用できる単語置換規則を導出する。
論文 参考訳（メタデータ） (2020-11-17T10:45:05Z) - Extracting Entities and Topics from News and Connecting Criminal Records [6.685013315842082]
本稿では,犯罪記録データベースや新聞データベースからエンティティやトピックを抽出する手法を要約する。
統計モデルは、約30,000のニューヨーク・タイムズの記事のトピックの研究に成功している。
分析的アプローチ、特にホットスポットマッピングは、将来犯罪の場所や状況を予測するためにいくつかの研究で使用された。
論文 参考訳（メタデータ） (2020-05-03T00:06:01Z) - Exploring Spatio-Temporal and Cross-Type Correlations for Crime
Prediction [48.1813701535167]
我々は,都市犯罪のクロスタイプと時間的相関を利用した犯罪予測を行う。
犯罪予測のための相関関係を数学的にモデル化するコヒーレントな枠組みを提案する。
犯罪予測における相関関係の重要性を理解するために、さらなる実験が行われた。
論文 参考訳（メタデータ） (2020-01-20T00:34:53Z) - Perfecting the Crime Machine [1.266953082426463]
本研究では、異なる機械学習技術を用いて犯罪関連統計、特にフィラデルフィアの犯罪タイプを予測する。
犯罪の場所と時刻を主な特徴として使用し、生データにある2つの特徴から異なる特徴を抽出し、多数のクラスラベルを扱うモデルを構築します。
本稿では,ランダムフォレストが,エラーログ損失2.3120の犯罪種別予測モデルとして最適であることを示す。
論文 参考訳（メタデータ） (2020-01-14T23:25:40Z) - A Comparative Study on Crime in Denver City Based on Machine Learning
and Data Mining [0.0]
2014年1月から2019年5月まで、アメリカ合衆国デンバー郡の現実の犯罪と事故のデータセットを分析した。
本研究の目的は、法執行機関や政府が予防措置の発見を支援することの見返りとして、発生の傾向を予測し、強調することである。
結果は、トレイン・テストの分割とk倍のクロスバリデーションという2つの一般的なテスト手法を使ってキャプチャされる。
論文 参考訳（メタデータ） (2020-01-09T01:36:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。