پیش بینی عملی جرم توسط داده کاوی

crime-prediction-mapping2هیچ مدل پیش بینی وجود ندارد که ۱۰۰ درست باشد مگر آنکه شانس در آن دخیل باشد. طبیعت مدل های پیش بینی در داده کاوی این است که از داده های گذشته یاد گرفته و ببینند در آینده چه چیزی پیش می آید. در اصل، مدل پیش بینی تنها یک مدل سازی صرف میباشد. این مدل های تنها زمانی بدرد میخورند که تفسیر و استفاده خوبی از آنها بشوند.

به عنوان یک مثال عملی میتوانید به نمونه زیر که یک سری دزدی را آماردهی کرده است توجه کنید:

زمان

تازیخ   DOW            DBO         زمان    مکان پول دزدیده شده
۳/۱/۲۰۰۵   Tue ۱۸:۳۰    ۱۵۰۲ E Broadway $۱,۱۲۰
۳/۸/۲۰۰۵   Tue ۷ ۱۷:۲۵    ۱۴۵۴ S Main St $۱,۱۳۰
۳/۱۲/۲۰۰۵   Sat ۴ ۱۹:۰۰    ۱۹۰۳ S First St $۱,۳۷۰
۳/۱۷/۲۰۰۵   Thu ۵ ۲۰:۰۰    ۱۹۸۹ N Fourth St $۱,۴۲۰
۳/۲۴/۲۰۰۵   Thu ۷ ۲۰:۲۵    ۱۰۴۸ N Third St $۱,۷۰۰
۴/۲/۲۰۰۵   Sat ۹ ۲۱:۴۵    ۱۳۳۶ E Kimberly Ave $۹۸۰

 

میانگین ۶ ۲۰:۰۹
کمترین ۲ ۱۷:۱۸
بیشترین ۹ ۲۳:۴۷
St. Dev ۱.۹۱ ۱:۳۶

پیش بینی حمله بعدی

نزدیک ترین زمان حمله ۷/۱۴/۲۰۰۵ ۱۷:۱۸
۱ St. Dev Earliest ۷/۱۶/۲۰۰۵ ۱۸:۳۳
۱ St. Dev Latest ۷/۲۰/۲۰۰۵ ۲۱:۴۵
Max Latest ۷/۲۱/۲۰۰۵ ۲۳:۴۷
ارتباط و همبستگی ۰.۷۹۳۸۱۶۰۲
انحراف ۰.۰۰۵۸۸۸۱۹
Y-Inctercept -۱.۲۳۱۵۸۳
# of Days til Next ۳.۱۸
Predicted Date ۷/۱۵/۲۰۰۵

 

بر اساس فراوانی دزدی ها و مقدار پول دزدیده شده، پیش بینی شده است که دزدی بعدی در ۳.۱۸ روز بعد اتفاق بیافتد. حالا، آیا شما میخواهید که به پلیس بگویید در موقع مقرر در مکان مورد نظر حضور یابد تا دزد را دستگیر کند؟ مسلما نه! به جای آن میبایست از این اطلاعات استفاده کنید تا در یک محدوده زمانی بین ۲ تا ۴ روز آینده از محدوده مورد نظر برای دزدی محافظت کنید. در نهایت منظور ما این است که به خاطر اینکه این پیش بینی ممکن است ۱۰۰ درصد درست نباشد نمیتوانید در سر موقع مقرر پلیس را درگیر داده کاوی خود کنید!

منبع :

datadriven365

به اشتراک بگذارید:

یک دیدگاه