基于随机森林的犯罪预测模型

摘要：

为深入挖掘犯罪嫌疑人的特征规律从而达到预防犯罪的目的,提出一种基于随机森林的犯罪预测模型.首先根据历史犯罪数据计算得出属性重要度的排序,并依此进行属性约简,然后利用所得的属性集合进行随机森林模型的训练从而得到犯罪预测模型.将脱敏后的犯罪数据应用于此模型,并以查准率和查全率对模型进行评价.实验结果表明,在犯罪信息噪声多、属性复杂的犯罪数据集中,该模型在准确度上优于支持向量机和朴素贝叶斯模型分类方法.

关键词：集成学习算法、随机森林、属性约简、犯罪预测模型

分类号：G353(情报学、情报工作)

资助基金：江西省经济犯罪侦查与防控技术协同创新中心开放基金资助项目JXJZXTCX-029;辽宁省科学研究青年项目LQ201787002;辽宁省科学研究一般项目2016jyt-lj02

在线出版日期：2019-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：108-112