Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen - Daniel Haake

Blick ins Buch

Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen (eBook)

Daniel Haake (Autor)

eBook Download: PDF

2022 | 1. Aufl. 2022
XVI, 90 Seiten
Springer Fachmedien Wiesbaden (Verlag)
978-3-658-37660-4 (ISBN)

Lese- und Medienproben

Ebook-Leseprobe (PDF)

Das Buch beschäftigt sich mit der Möglichkeit der Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Verfahren. Die Analyse beschränkt 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 Verfügung stehen Daten zu Wohnungseinbrüchen aus Baden-Württemberg aus den Jahren 2010 bis 2017. Ergänzt werden die polizeilichen Daten um geografische Daten, die den Tatort beschreiben. Hiermit wird geprüft, ob kriminalgeografische Faktoren gute Indikatoren zur Prognose von Wohnungseinbrüchen, 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 Präzision der Prognosen von über 60% erreicht werden. Es wird außerdem erstmalig gezeigt, dass auch Prognosen für den ländlichen Raum möglich sind.

Der Autor

Daniel Haake arbeitete zunächst im gehobenen Polizeidienst und studierte zusätzlich Informatik (B. Sc.) und anschließend berufsbegleitend Data Science (M. Sc.). Zurzeit ist er als Senior Data Scientist tätig. Für seine Masterarbeit wurde er mit dem Gerhard-Fürst-Preis 2020 des Statistischen Bundesamtes und beim Zukunftspreis Polizeiarbeit 2020 (2. Platz in der Kategorie Masterarbeiten) ausgezeichnet.

Erscheint lt. Verlag	27.5.2022
Reihe/Serie	BestMasters
Reihe/Serie	BestMasters
Zusatzinfo	XVI, 90 S. 20 Abb., 12 Abb. in Farbe.
Sprache	deutsch
Themenwelt	Wirtschaft ► Allgemeines / Lexika
Schlagworte	Artificial Intelligence • Data Science • Kriminologie • machine learning • Polizei • Predictive Policing
ISBN-10	3-658-37660-0 / 3658376600
ISBN-13	978-3-658-37660-4 / 9783658376604

Haben Sie eine Frage zum Produkt?

PDF (Wasserzeichen)
Größe: 1,8 MB

DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Print-Ausgabe

Buch | Softcover

69,99 €