Prognose von Wohnungseinbrüchen mithilfe von Machine-Learning-Algorithmen

Daniel Haake

Kann man mit Machine-Learning-Algorithmen prognostizieren, ob es nach einem erfolgten Wohnungseinbruchdiebstahl in kurzer Zeit und in unmittelbarer Nähe zu Nachfolgedelikten kommen wird? Dieser Frage geht der vorliegende Artikel anhand von Daten aus Baden-Württemberg nach. Dabei zieht er einen Vergleich mit der kommerziellen Software PRECOBS, zu deren Einsatz eine Studie in Baden-Württemberg durchgeführt wurde. Bisherige Lösungen beschränken sich auf den urbanen Raum. Deshalb wird zusätzlich untersucht, ob auch Prognosen für den ländlichen Raum möglich sind.

MoreLess

Year of publication:	2021
Authors:	Haake, Daniel
Published in:	Wirtschaft und Statistik : WISTA. - Wiesbaden : Statistisches Bundesamt, ISSN 1619-2907, ZDB-ID 2092847-6. - 2021, 2, p. 59-71
Subject:	Nachfolgedelikt \| Wohnungseinbruchsdiebstahl \| Data Science \| Machine-Learning \| Tatzeitraum \| kriminalgeografischer Raum \| near-repeat offence \| theft by burglary of a dwelling \| data science \| machine learning \| time period of offence \| criminal-geographical area

freely available

Full text |

More access options

www.destatis.de

Check Google Scholar

In libraries world-wide (WorldCat)

In German libraries (KVK)

subito order

I need help

Type of publication:	Article
Type of publication (narrower categories):	Aufsatz in Zeitschrift ; Article in journal
Language:	German
Notes:	Zusammenfassung in englischer Sprache
Other identifiers:	hdl:10419/233567 [Handle]
Source:	ECONIS - Online Catalogue of the ZBW

Persistent link: https://www.econbiz.de/10012503912