中国监狱学刊2023，Vol.38Issue(3) ：41-51.

大数据算法在罪犯危险度评估中的应用研究——以决策树-随机森林模型为例

江其建
中国监狱学刊2023，Vol.38Issue(3) ：41-51.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

大数据算法在罪犯危险度评估中的应用研究——以决策树-随机森林模型为例

江其建1
扫码查看

作者信息

  • 1. 浙江省乔司监狱 浙江杭州市 310012
  • 折叠

摘要

现有罪犯危险度评估体系主要是传统经验主义模式,体系不能自我升级、不能全时段监测、不能全员评估、不能全要素纳入.但罪犯危险度工作要求全时段、全员、全要素纳入危险评估,且能分析因子之间的相互影响,提前做出预判,这就需要应用大数据分析.决策树和随机森林模型在聚类算法中较为成熟,其分析结果相对于传统评估体系具有更高的准确性、时效性、全面性,并能不断自我升级优化,预测结果可以为罪犯危险评估工作提供意见参考.

关键词

大数据/罪犯危险度评估/决策树-随机森林模型/机器学习

引用本文复制引用

出版年

2023
中国监狱学刊
中央司法警官学院

中国监狱学刊

CHSSCD
ISSN：
参考文献量2
段落导航相关论文