基于LightGBM的犯罪类型预测模型研究

深入挖掘犯罪类型发生的规律,有效进行犯罪活动的预防。基于轻量级梯度提升机算法,对犯罪数据集进行数据清洗整合等预处理,再对犯罪数据时空序列进行分析并提取犯罪数据特征,最后对特征进行编码,构建犯罪类型预测模型。针对中国某市及美国旧金山犯罪数据集的犯罪类型预测结果表明,较随机森林、朴素贝叶斯、逻辑回归算法,其预测准确率最高分别高出5%、10%、12%。但特征维度有限,未能对犯罪案件进行更全面刻画。将时空信息作为特征向量,基于轻量级梯度提升机算法的模型能够进行较为准确高效的犯罪类型预测。