Prognose von Wohnungseinbrüchen mithilfe von Machine-Learning-Algorithmen

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:	WISTA – Wirtschaft und Statistik. - Wiesbaden : Statistisches Bundesamt (Destatis), ISSN 1619-2907. - Vol. 73.2021, 2, p. 59-71
Publisher:	Wiesbaden : Statistisches Bundesamt (Destatis)
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

Check Google Scholar

In libraries world-wide (WorldCat)

In German libraries (KVK)

subito order

I need help

More details

Type of publication:	Article
Type of publication (narrower categories):	Article
Language:	German
Other identifiers:	1755986181 [GVK] hdl:10419/233567 [Handle] RePEc:zbw:wistat:233567 [RePEc]
Source:	EconStor

Persistent link: https://www.econbiz.de/10012505574