범죄 예측을 위한 분류 알고리즘의 개선된 방법

정보 기술의 증가하는 가용성은 법 집행 기관이 다양한 범죄에 대한 상세 데이터를 수집할 수 있게 하였습니다. 분류는 데이터 클래스나 개념을 묘사하고 구별하는 모델(또는 함수)을 찾는 절차로, 모델을 사용하여 범죄 레이블을 예측할 수 있는 능력을 목표로 합니다. 이 연구에서는 미국의 다양한 주에 대한 '범죄 범주'를 예측하기 위해 범죄 데이터 세트에 분류가 적용됩니다. 이 연구에 사용된 범죄 데이터 세트는 실제로 존재하며, 1990년 미국 인구 조사에서 수집된 사회 경제적 데이터, 1990년 미국 LEMAS 조사에서의 법 집행 데이터 및 1995년 FBI UCR에서의 데이터로부터 수집되었습니다. 이 논문은 미국의 특정 주에 대한 '범죄 범주'를 예측하기 위해 두 가지 서로 다른 분류 알고리즘인 나이브 베이즈와 역전파(BP)를 비교합니다. 분석 결과, 나이브 베이즈 계산이 BP 계산보다 우수하여 그룹 1에서는 90.2207%, 그룹 2에서는 94.0822%의 정확도를 달성했습니다. 이는 나이브 베이즈 계산이 미국의 다양한 주에서 예측에 유용함을 명확하게 나타냅니다.