基于机器学习的侵财类案件危害程度分析

关键词：侵财类案件 机器学习 分类预测 

摘要：为了进一步分析侵财类案件的危害程度,以抢劫、抢夺和盗窃3种典型侵财类案件为例,利用ZS市2008—2014年的犯罪数据与统计年鉴数据,提取“发案时间”“发案地域”“选择时机”“选择处所”“选择对象”“人均地区生产总值”“职工月平均工资”7个特征,建立基于多种机器学习分类算法的侵财类案件危害程度预测模型,并进一步开展预测结果的分析研究。研究结果表明:梯度提升决策树(GBDT)算法性能最优,危害程度预测准确率达到了0.88;在抢劫案和抢夺案中,一般和重大的案件容易发生在繁华地带,特大案件容易发生在其他处所;侵财类案件倾向于在工作日的城区中发生,发生的危害程度大多为一般;提出的侵财类案件危害程度预测模型可为侵财类案件的风险评估及警务资源优化配置工作提供方法支持。

中国安全生产科学技术杂志要求:

{1}参考文献应是在正式出版物上的文献，附于文末。

{2}来稿要求观点新颖、内容充实、文字精炼、论据充分、数据可靠、条理清晰、具有一定的创新性。

{3}标点符号及数字的用法一律遵照国家标准。

{4}在正文首页以脚注形式注明第一作者简介(包括姓名、性别、出生年、学历、职称和主要研究方向)。

{5}摘要内容应包括研究工作目的、方法、结果和结论。摘要应具有独立性和自含性，即不阅读全文，就能获得必要的信息。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社