Name: Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen (en Alemán)
SKU: 62104120
Price: 75.42 USD
Availability: InStock
Author: Daniel Haake
ISBN: 9783658376598

portada Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen (en Alemán)

Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen (en Alemán)

Formato

Libro Físico

Editorial

Springer Gabler

Autor

Daniel Haake

Idioma

Alemán

N° páginas

Encuadernación

Tapa Blanda

ISBN13

9783658376598

N° edición

Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen (en Alemán)

Daniel Haake (Autor) · Springer Gabler · Tapa Blanda

Libro Nuevo Importado

Envío: 19 a 26 días háb.

$ 137.13$ 75.42

-45%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan más de 100 unidades

$ 75.42

Llega entre el 28 Oct y el 12 Nov a Quito, Pichincha. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen (en Alemán)"

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 au erdem erstmalig gezeigt, dass auch Prognosen für den ländlichen Raum möglich sind.