تحليل بيانات الجريمة للتنبؤ بناءً على مناهج التصنيف
محتوى المقالة الرئيسي
الملخص
تعتبر الجرائم نشاطا غير مشروع بجميع أنواعه يعاقب عليه القانون ويؤثر على نوعية حياة المجتمع وتطوره الاقتصادي. مع الارتفاع الكبير في معدلات الجريمة على مستوى العالم، هناك ضرورة لتحليل بيانات الجريمة لخفض معدل الجريمة. وهذا يشجع الشرطة والأفراد على اتخاذ الإجراءات المطلوبة والحد بشكل أكثر فعالية من الجرائم. الغرض من هذا البحث هو تطوير نماذج تنبؤية يمكن أن تساعد في تحليل أنماط الجريمة وبالتالي دعم جهود منع الجريمة في قسم بوسطن. تم اعتماد عامل الموقع الجغرافي في نموذجنا ، ويرجع ذلك إلى كونه عاملاً مؤثرًا في عدة مواقف ، سواء كان السفر إلى منطقة معينة أو العيش فيها لمساعدة الناس في التعرف بين بيئة آمنة وغير آمنة. يمكن أن يكون الموقع الجغرافي، جنبًا إلى جنب مع الأساليب والتقنيات الجديدة، مفيدًا للغاية في التحقيق في الجرائم. يتركز الهدف على الدراسة المقارنة بين ثلاث خوارزميات تعلم تحت الإشراف. حيث يستخدم التعلم مجموعات البيانات للتدريب، واختبارها للحصول على النتائج المرجوة عليها. تم استخدام خوارزميات التعلم الآلي المختلفة في مجموعة البيانات الخاصة بجرائم مدينة بوسطن، وهي شجرة القرار ونايف بايز والانحدار اللوجستي المصنفات هنا للتنبؤ بنوع الجريمة التي تحدث في المنطقة. تتم مقارنة مخرجات هذه الطرق مع بعضها البعض للعثور على نموذج واحد يناسب هذا النوع من البيانات بأفضل أداء. من النتائج التي تم الحصول عليها، أظهرت شجرة القرار أعلى نتيجة مقارنة بـ نايف بايز والانحدار اللوجستي.
Received 12/5/2021
Accepted 1/8/2021
Published Online First 20/3/2022
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
المراجع
Yerpude P, Gudur V. Predictive Modelling of Crime Dataset Using Data Mining. IJDKP. 2017;7(4):43–58.
Chutia D, Santra M. Mapping of crime incidences and hotspot analysis through incremental auto correlation -A case study of Shillong city , Meghalaya , India. ISG. 2020;14(April). 61-70 .
Hassani H, Huang X, Silva ES, Ghodsi M. A review of data mining applications in crime. Stat Anal Data Min. 2016;9(3): 139–154 .
Tasnim S, Sarker P, Hossain A. A Classification Approach to Predict Severity of Crime on Boston City Crime Data. 7th Int Conf Data Sci SDGs. 2019;(December).405- 412 p.
Alkhatib B, Eddin MMK. Voice identification using MFCC and vector quantization. Baghdad Sci J. 2020;17(3):1019–28.
Ali BA, Gorgees HM, Kathum RI. Modeling human capital impact on the development of the iraqi oil industry. Baghdad Sci J. 2019;16(4):1080–6.
Patwary MKH, Haque MM. A semi-supervised machine learning approach using K-means algorithm to prevent burst header packet flooding attack in optical burst switching network. Baghdad Sci J. 2019;16(3):804–15.
Alzubaidi L, Fadhel MA, Al-Shamma O, Zhang J, Santamaría J, Duan Y, et al. Towards a better understanding of transfer learning for medical imaging: A case study. Appl Sci. 2020;10(13).
Yin J, Michael IA, Afa IJ. Machine Learning Algorithms for Visualization and Prediction Modeling of Boston Crime Data. 2020;1(February):1–15.
Almanie T, Mirza R, Lor E. Crime Prediction Based on Crime Types and Using Spatial and Temporal Criminal Hotspots. Int J Data Min Knowl Manag Process(IJDKP). 2015;5(4):01–19.
Mata F, Torres-Ruiz M, Guzman G, Quintero R, Zagal-Flores R, Moreno-Ibarra M, et al. A Mobile Information System Based on Crowd-Sensed and Official Crime Data for Finding Safe Routes: A Case Study of Mexico City. Mob Inf Syst. 2016;2016:11.
Awal MA, Rabbi J, Hossain SI, Hashem MMA. Using linear regression to forecast future trends in crime of Bangladesh. 2016 5th Int Conf Informatics, Electron Vision, (ICIEV) 2016. 2016;(June 2020):333–8.
Toppireddy HKR, Saini B, Mahajan G. Crime Prediction & Monitoring Framework Based on Spatial Analysis. Procedia Comput Sci [Internet]. 2018;132(Iccids):696–705. Available from: https://doi.org/10.1016/j.procs.2018.05.075
Deshmukh A, Banka S, Dcruz SB, Shaikh S, Tripathy AK. Safety App: Crime Prediction Using GIS. 3rd Int Conf Commun Syst, Computing and IT Applications; 2020:120–124.
Crimes in Boston | Kaggle [Internet]. Available from: https://www.kaggle.com/ankkur13/boston-crime-data
Soni S, Shankar VG, Chaurasia S. Route-the safe: A robust model for safest route prediction using crime and accidental data. Int J Adv Sci Technol(IJAST). 2019;28(16):1415–28.
Ridzuan Khairuddin A, Alwee R, Haron H. A Comparative Analysis of Artificial Intelligence Techniques in Forecasting Violent Crime Rate. IOP Conf Ser Mater Sci Eng. 2020;864(1).
Ray S. A Quick Review of Machine Learning Algorithms. Proc Int Conf Mach Learn Big Data, Cloud Parallel Comput Trends, Prespectives Prospect Com 2019((Com-IT-Con),). 2019;35–9.
Razzaq Abdul Hussein R, Sadik Croock DM, Mahdi Al-Qaraawi DS. Improvement of Criminal Identification by Smart Optimization Method. MATEC Web Conf. 2019;281:05003.
Kim S, Joshi P, Kalsi PS, Taheri P. Crime Analysis Through Machine Learning. 2018 IEEE 9th Annu Inf Technol Electron Mob Commun Conf (IEMCON) 2018. 2019;415–20.
Sivanagaleela B, Rajesh S. Crime analysis and prediction using fuzzy c-means algorithm. Proc Int Conf Trends Electron Informatics, ICOEI 2019. 2019;(Icoei):595–9.