[论文解读] A Comparative Study on Crime in Denver City Based on Machine Learning and Data Mining

Md. Aminur Rab Ratul|arXiv (Cornell University)|Jan 9, 2020

Crime Patterns and Interventions参考文献 22被引用 13

一句话总结

本研究应用多种机器学习与数据挖掘技术，对大型丹佛犯罪数据集（478,578起事件，2014–2019年）进行分析，以预测15类犯罪。通过统计分析、可视化及分类模型（包括集成方法），集成模型4在准确率、精确率、召回率、F1分数及ROC分析中均超过90%，表现优于其他模型，为执法部门与犯罪预防提供可操作的见解。

ABSTRACT

To ensure the security of the general mass, crime prevention is one of the most higher priorities for any government. An accurate crime prediction model can help the government, law enforcement to prevent violence, detect the criminals in advance, allocate the government resources, and recognize problems causing crimes. To construct any future-oriented tools, examine and understand the crime patterns in the earliest possible time is essential. In this paper, I analyzed a real-world crime and accident dataset of Denver county, USA, from January 2014 to May 2019, which containing 478,578 incidents. This project aims to predict and highlights the trends of occurrence that will, in return, support the law enforcement agencies and government to discover the preventive measures from the prediction rates. At first, I apply several statistical analysis supported by several data visualization approaches. Then, I implement various classification algorithms such as Random Forest, Decision Tree, AdaBoost Classifier, Extra Tree Classifier, Linear Discriminant Analysis, K-Neighbors Classifiers, and 4 Ensemble Models to classify 15 different classes of crimes. The outcomes are captured using two popular test methods: train-test split, and k-fold cross-validation. Moreover, to evaluate the performance flawlessly, I also utilize precision, recall, F1-score, Mean Squared Error (MSE), ROC curve, and paired-T-test. Except for the AdaBoost classifier, most of the algorithms exhibit satisfactory accuracy. Random Forest, Decision Tree, Ensemble Model 1, 3, and 4 even produce me more than 90% accuracy. Among all the approaches, Ensemble Model 4 presented superior results for every evaluation basis. This study could be useful to raise the awareness of peoples regarding the occurrence locations and to assist security agencies to predict future outbreaks of violence in a specific area within a particular time.

研究动机与目标

• 开发丹佛地区犯罪模式的精准预测模型，以支持执法部门与政府资源分配。
• 利用丹佛县的真实事件数据，识别高风险犯罪类型与地点。
• 比较多种机器学习算法在分类15种不同犯罪类别时的性能表现。
• 通过训练-测试集划分与k折交叉验证，在多种指标下评估模型的鲁棒性。
• 通过数据驱动的预测与时空趋势分析，提供可操作的犯罪预防见解。

提出的方法

• 应用统计分析与数据可视化，探索丹佛犯罪数据（2014年1月至2019年5月）在时间与空间上的模式。
• 实现10种分类算法：随机森林、决策树、AdaBoost、极端梯度提升树、线性判别分析、K近邻，以及四种集成模型。
• 通过训练-测试集划分与k折交叉验证评估模型，确保泛化能力与稳定性。
• 使用精确率、召回率、F1分数、均方误差（MSE）、ROC曲线及配对t检验衡量性能。
• 基于所有评估指标的一致优势，选择表现最佳的模型。
• 利用最终模型识别预测趋势，支持战略性犯罪预防规划。

实验结果

研究问题

• RQ1 哪种机器学习模型在预测丹佛15类不同犯罪类别时准确率最高？
• RQ2 在丹佛犯罪数据集中，不同集成模型与基学习器在精确率、召回率与F1分数方面表现如何比较？
• RQ3 2014至2019年期间，丹佛犯罪事件中最具显著性的时空模式是什么？
• RQ4 在训练-测试集划分与k折交叉验证等不同评估策略下，预测结果的鲁棒性如何？
• RQ5 该模型能否可靠识别高风险犯罪类型与地点，以支持执法部门的主动干预？

主要发现

• 集成模型4在所有评估指标中均达到最高准确率，表现优于所有其他模型。
• 随机森林、决策树及其他三种集成模型的准确率均超过90%，表明其具有强大的预测性能。
• 除AdaBoost外，所有模型均表现出令人满意的性能，精确率、召回率与F1分数均较高。
• 该模型在训练-测试集划分与k折交叉验证中表现一致，显示出良好的鲁棒性。
• ROC曲线分析证实其具有高判别能力，尤其在集成模型4中表现突出。
• 配对t检验证实性能差异具有统计学显著性，集成模型4显著优于其他模型。