基于集成学习的犯罪类型预测方法
打开文本图片集
【摘 要】 随着计算机硬件水平的不断提高，集成学习技术在数据挖掘与分析中得到了广泛的应用，由于集成了大量的学习器，集成学习技术在实际应用中往往能够得到比单一学习器更好的结果。文章选用了来自芝加哥警察局的CLEAR（公民执法分析和报告）系统记录的数据，首先清洗了原始数据，然后使用随机森林、GBDT和XGBoost等3种集成学习方法，对数据进行建模分析，通过调参寻找最优参数模型，挖掘了数据深层次的价值，以期对现实中的犯罪活动有一定的预防作用。（剩余3691字）
网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。