Suç Analizi için Tahmin Edici Mekansal Modeller - mankenler

Suç analiz yöntemlerine tahmin edici istatistiksel modeller ekleyerek, nerede ve ne tür bir suç faaliyetinin olabileceğini açıklayan ve tahmin eden analitik üretebilirsiniz meydana gelir.

Tahmin edici mekansal modeller, tekrar eden suçluların davranışlarını, yerini veya cezai faaliyetlerini öngörmenize yardımcı olabilir. Aynı zamanda, suç ve kolluk kuvvetleri ile ilişkili nedensel veya karşılıklı değişkenleri belirlemek için zamansal verilere istatistiksel yöntemler uygulayabilirsiniz.

Aşağıdaki liste, suç analizinde mekansal prediktif modellemede yardımcı olan yaklaşım türleri içerir:

• Kümeleme: Kriminal faaliyetlerin mekansal yoğunluğunu nicelleştirmek için çekirdek yoğunluk tahmin yöntemlerini kullanabilirsiniz ve etkilenen alanın temel nüfusa göre criminal faaliyet yoğunlukları arasında karşılaştırmalı önlemler üretmek.

  Çekirdek yoğunluk tahmini (KDE), veri kümesindeki her veri noktasında bir çekirdek yerleştiren ya da yoğunluğu belirlemek için yararlı bir ağırlıklandırma işlevi yerleştirerek ve ardından bir çekirdek yoğunluk tahmini oluşturmak için çekirdekleri toplamakla çalışan bir yumuşatma yöntemidir genel bölge için.

• İleri Uzaysal İstatistikler: Bunun bir örneği, bir veya daha fazla bağımsız suç değişkeninin bağımlı bir suç değişkeniyle doğrudan ilişkilendirmek veya ilişkilendirmek için regresyon analizini kullanmaktır. Son olarak, gelişmiş mekansal istatistikler, tekrar eden suçlular için davranışsal öngörülerde bulunmak ve gelecekteki suç faaliyetlerini suç davranışıyla ilgili tarihsel kayıtlara ve mevcut koşullar hakkındaki bilgilere dayanarak tahmin etmek için kullanılır.