Crime Prediction Modeling
Crime prediction modeling forecasts where and when crime is most likely to occur next, so that limited resources can be directed before incidents happen rather than after. It spans simple historical hot-spot extrapolation, statistical self-exciting point processes that treat crimes as triggering further crimes, and modern machine-learning models that blend spatial, temporal, and environmental features. The statistical foundation was sharpened by Mohler and colleagues' 2011 demonstration that earthquake-style self-exciting (Hawkes) point processes — in which each crime raises the short-term risk of nearby crimes — forecast urban crime more accurately than conventional hot-spot maps.
स्रोत रिकॉर्ड
विधियों के स्रोत रिकॉर्ड से उद्धरण शब्दशः कॉपी किए गए हैं। इनसे किसी भी दावे-स्तरीय सत्यापन का अनुमान नहीं लगाया गया है।
- Mohler, G. O., Short, M. B., Brantingham, P. J., Schoenberg, F. P., & Tita, G. E. (2011). Self-exciting point process modeling of crime. Journal of the American Statistical Association, 106(493), 100–108. · DOI 10.1198/jasa.2011.ap09546
- Perry, W. L., McInnis, B., Price, C. C., Smith, S. C., & Hollywood, J. S. (2013). Predictive Policing: The Role of Crime Forecasting in Law Enforcement Operations. RAND Corporation. · ISBN 9780833081483
क्यूरेटेड दावे
साक्ष्य लेज़र में दावे बने हुए हैं, प्रत्येक का अपना मूल्यांकन है।
जब लेज़र में कोई दावा नहीं होता है तो यह दृश्य दावा मूल्यांकन का आविष्कार नहीं करता है।
संबंधित विधियाँ
विधि ग्राफ़ से उत्पन्न और मशीन-अनुशंसित संबंध के रूप में दिखाए गए हैं — किसी भी साक्ष्य दावे का अनुमान नहीं लगाया गया है।