【摘要】：通過對(duì)國內(nèi)外服刑人員的危險(xiǎn)性及其再犯罪評(píng)估現(xiàn)狀梳理,發(fā)現(xiàn)基于量表的傳統(tǒng)服刑人員危險(xiǎn)性評(píng)估工具的適應(yīng)性和精確性越來越受到挑戰(zhàn).由數(shù)據(jù)和參數(shù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)模型可以不斷地進(jìn)行自學(xué)習(xí),從而不斷地提高模型的適用性和精確性.首先對(duì)LR(logistic regression)、CART(classification and regression tree)、CHAID(chi-squared automatic interaction detection)、MLPNN(multi-layer perceptron neural network)4個(gè)常見的分類機(jī)器學(xué)習(xí)模型進(jìn)行了介紹;在此基礎(chǔ)上以2004年美國司法統(tǒng)計(jì)局(BJS)對(duì)服刑人員的調(diào)查(SISFCF)數(shù)據(jù)作為數(shù)據(jù)源,用靈敏率、特效率、準(zhǔn)確率和AUC等評(píng)價(jià)指標(biāo)對(duì)這4個(gè)模型進(jìn)行了效用評(píng)估;最后對(duì)4個(gè)模型的預(yù)測能力進(jìn)行比較.
[Abstract]:Through combing the status quo of the risk and reoffending assessment of the prisoners at home and abroad, it is found that the adaptability and accuracy of the traditional risk assessment tools based on the scale are being challenged more and more. The machine learning model driven by data and parameters can continuously self-learn and improve the applicability and accuracy of the model. This paper first introduces LR (logistic regression) cart (classification and regression tree) Chaid (chi-squared automatic interaction detection) / MLPNN) (multi-layer perceptron neural network) four common classification machine learning models, and then uses the (SISFCF) data collected by (BJS) of the US Judicial Bureau of Statistics in 2004 as the data source, and uses the sensitivity and efficiency as the data source. The utility of the four models is evaluated by accuracy and AUC, and the prediction ability of the four models is compared.
【作者單位】： 中央司法警官學(xué)院信息管理系;
【基金】：教育部人文社會(huì)科學(xué)研究規(guī)劃基金項(xiàng)目(14YJAZH055) 中央司法警官學(xué)院青年教師學(xué)術(shù)創(chuàng)新團(tuán)隊(duì)資助項(xiàng)目
【分類號(hào)】：D917;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 張曉健;;基于普適環(huán)境下的智能協(xié)作學(xué)習(xí)模型研究[J];廣東青年干部學(xué)院學(xué)報(bào);2010年02期

相關(guān)會(huì)議論文 前1條

1 于順安;趙中華;;基于“智能”定義的學(xué)習(xí)模型[A];1995年中國智能自動(dòng)化學(xué)術(shù)會(huì)議暨智能自動(dòng)化專業(yè)委員會(huì)成立大會(huì)論文集（下冊）[C];1995年

相關(guān)博士學(xué)位論文 前4條

1 趙錚;初中數(shù)學(xué)智慧學(xué)習(xí)模型及支撐空間研究[D];東北師范大學(xué);2016年

2 吳濤;變構(gòu)學(xué)習(xí)模型研究[D];華東師范大學(xué);2010年

3 張克俊;基因表達(dá)式編程理論及其監(jiān)督機(jī)器學(xué)習(xí)模型研究[D];浙江大學(xué);2010年

4 徐琴珍;樹型混合學(xué)習(xí)模型及其應(yīng)用研究[D];東南大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 余嘉瑋;基于大腦情感學(xué)習(xí)模型的球磨機(jī)控制策略研究[D];江西理工大學(xué);2015年

2 魏聞彤;基于人類主體實(shí)驗(yàn)的學(xué)習(xí)模型校驗(yàn)[D];天津大學(xué);2014年

3 史玉梅;分布式結(jié)對(duì)編程中的強(qiáng)化學(xué)習(xí)模型與干預(yù)策略研究[D];南京師范大學(xué);2013年

4 劉向;基于博弈的信念學(xué)習(xí)模型分析[D];西南大學(xué);2013年

5 黃河;基于結(jié)構(gòu)分析的非貝葉斯社會(huì)學(xué)習(xí)模型研究[D];上海交通大學(xué);2012年

6 肖力維;組織學(xué)習(xí)模型的研究[D];華東師范大學(xué);2003年

7 楊舟;關(guān)于統(tǒng)計(jì)學(xué)習(xí)模型復(fù)雜性評(píng)價(jià)與估計(jì)的若干研究[D];清華大學(xué);2006年

8 何文孝;PBL的學(xué)習(xí)模型研究[D];西南師范大學(xué);2005年

9 何清泉;基于公平思考的博弈學(xué)習(xí)模型及其實(shí)驗(yàn)研究[D];中南大學(xué);2006年

10 劉坤坤;基于復(fù)合策略的社會(huì)學(xué)習(xí)模型[D];魯東大學(xué);2015年

，

本文編號(hào)：2156319