Prognose von Wohnungseinbrüchen mit Hilfe ...

Dekorationsartikel gehören nicht zum Leistungsumfang.

Sprache: Deutsch

69,99 €*

inkl. MwSt.

Versandkostenfrei per Post / DHL

Lieferzeit 4-7 Werktage

Kategorien:

Beschreibung

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

Über den Autor

Der Autor

Daniel Haake arbeitete zunächst im gehobenen Polizeidienst und studierte zusätzlich Informatik (B. Sc.) und anschließend berufsbegleitend Data Science (M. Sc.). Zurzeit ist er als Senior Data Scientist tätig. Für seine Masterarbeit wurde er mit dem Gerhard-Fürst-Preis 2020 des Statistischen Bundesamtes und beim Zukunftspreis Polizeiarbeit 2020 (2. Platz in der Kategorie Masterarbeiten) ausgezeichnet.

Inhaltsverzeichnis

Einleitung.- Kriminologische Theorien und Studien.- Theoretische Grundlagen des Maschinellen Lernens.- Datenvorverarbeitung.- Datenanalyse.- Zusammenfassung.

Details

Medium:	Taschenbuch
Reihe:	BestMasters
Inhalt:	xvi 90 S. 8 s/w Illustr. 12 farbige Illustr. 90 S. 20 Abb. 12 Abb. in Farbe.
ISBN-13:	9783658376598
ISBN-10:	3658376597
Sprache:	Deutsch
Ausstattung / Beilage:	Paperback
Einband:	Kartoniert / Broschiert
Autor:	Haake, Daniel
Auflage:	1. Aufl. 2022
Hersteller:	Springer Fachmedien Wiesbaden Springer Fachmedien Wiesbaden GmbH BestMasters
Verantwortliche Person für die EU:	Springer Gabler in Springer Science + Business Media, Tiergartenstr. 15-17, D-69121 Heidelberg, juergen.hartmann@springer.com
Maße:	210 x 148 x 7 mm
Von/Mit:	Daniel Haake
Erscheinungsdatum:	28.05.2022
Gewicht:	0,152 kg

Artikel-ID: 121392341

Über den Autor

Der Autor

Inhaltsverzeichnis

Einleitung.- Kriminologische Theorien und Studien.- Theoretische Grundlagen des Maschinellen Lernens.- Datenvorverarbeitung.- Datenanalyse.- Zusammenfassung.

Details

Medium:	Taschenbuch
Reihe:	BestMasters
Inhalt:	xvi 90 S. 8 s/w Illustr. 12 farbige Illustr. 90 S. 20 Abb. 12 Abb. in Farbe.
ISBN-13:	9783658376598
ISBN-10:	3658376597
Sprache:	Deutsch
Ausstattung / Beilage:	Paperback
Einband:	Kartoniert / Broschiert
Autor:	Haake, Daniel
Auflage:	1. Aufl. 2022
Hersteller:	Springer Fachmedien Wiesbaden Springer Fachmedien Wiesbaden GmbH BestMasters
Verantwortliche Person für die EU:	Springer Gabler in Springer Science + Business Media, Tiergartenstr. 15-17, D-69121 Heidelberg, juergen.hartmann@springer.com
Maße:	210 x 148 x 7 mm
Von/Mit:	Daniel Haake
Erscheinungsdatum:	28.05.2022
Gewicht:	0,152 kg