Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen - Haake, Daniel
- Format: Broché Voir le descriptif
Vous en avez un à vendre ?
Vendez-le-vôtreSoyez informé(e) par e-mail dès l'arrivée de cet article
Créer une alerte prix
- Payez directement sur Rakuten (CB, PayPal, 4xCB...)
- Récupérez le produit directement chez le vendeur
- Rakuten vous rembourse en cas de problème
Gratuit et sans engagement
Félicitations !
Nous sommes heureux de vous compter parmi nos membres du Club Rakuten !
TROUVER UN MAGASIN
Retour
Avis sur Prognose Von Wohnungseinbrüchen Mit Hilfe Von Machine - Learning - Algorithmen Format Broché - Livre Économie
0 avis sur Prognose Von Wohnungseinbrüchen Mit Hilfe Von Machine - Learning - Algorithmen Format Broché - Livre Économie
Les avis publiés font l'objet d'un contrôle automatisé de Rakuten.
Présentation Prognose Von Wohnungseinbrüchen Mit Hilfe Von Machine - Learning - Algorithmen Format Broché
- Livre Économie
Résumé :
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.
Biographie:
Der Autor Daniel Haake?arbeitete zun?chst im gehobenen Polizeidienst und studierte zus?tzlich Informatik (B. Sc.) und anschlie?end berufsbegleitend Data Science (M. Sc.). Zurzeit ist er als Senior Data Scientist t?tig. F?r seine Masterarbeit wurde er mit dem Gerhard-F?rst-Preis 2020 des Statistischen Bundesamtes und beim Zukunftspreis Polizeiarbeit 2020 (2. Platz in der Kategorie Masterarbeiten) ausgezeichnet.
Sommaire:
Einleitung.- Kriminologische Theorien und Studien.- Theoretische Grundlagen des Maschinellen Lernens.- Datenvorverarbeitung.- Datenanalyse.- Zusammenfassung.