Prognose Von Wohnungseinbrüchen Mit Hilfe Von Machine-Learning-Algorithmen [German]

By Daniel Haake

Das Buch besch?ftigt sich mit der M?glichkeit der Prognose von Wohnungseinbr?chen mit Hilfe von Machine-Learning-Verfahren. Die Analyse beschr?nkt sich auf die Fragestellung, ob nach einem erfolgten Wohnungseinbruch mit einer Nachfolgetat, den sog. Near-Repeats, zu rechnen ist. Dabei wird untersucht, welche Faktoren zu guten Prognoseergebnissen beitragen. Zur Verf?gung stehen Daten zu Wohnungseinbr?chen aus Baden-W?rttemberg aus den Jahren 2010 bis 2017. Erg?nzt werden die polizeilichen Daten um geografische Daten, die den Tatort beschreiben. Hiermit wird gepr?ft, ob kriminalgeografische Faktoren gute Indikatoren zur Prognose von Wohnungseinbr?chen, genauer gesagt Near-Repeats, darstellen. Als Machine-Learning-Verfahren kommen die Verfahren Random Forest, XGBoost, Support Vector Machines, Neuronale Netze und ein Soft-Voting der Modelle zum Einsatz. Mit Hilfe dieser Verfahren kann eine Pr?zision der Prognosen von ?ber 60% erreicht werden. Es wird au erdem erstmalig gezeigt, dass auch Prognosen f?r den l?ndlichen Raum m?glich sind.

• Format: Paperback
• Language: German
• ISBN: 3658376597
• ISBN13: 9783658376598
• Release Date: May 2022
• Publisher: Springer Gabler
• Length: 90 Pages
• Weight: 0.30 lbs.
• Dimensions: 0.2" x 5.8" x 8.3"