基于Stacking集成学习的抢劫犯罪分析与预测

作者：王娟; 龙俊州; 管雨翔

来源：云南警官学院学报, 2023, (05): 114-123.

• 犯罪预测
• Stacking
• 时空分布
• 机器学习

利用大数据对抢劫类犯罪展开的研究大多通过构建时间序列模型进行预测，缺乏对犯罪区域环境因素的分析。通过构建Stacking模型研究抢劫类犯罪的犯罪风险区域，挖掘主要环境因素并对风险等级进行预测，结果表明：抢劫类案件存在空间聚集性；抢劫犯罪在时间分布上存在规律；影响抢劫类犯罪的主要因素为区域家庭收入、失业率和无房产人员比例。通过对多个犯罪数据集进行验证，得出Stacking模型分类效果更优，模型准确率达到90%以上。可见对抢劫犯罪的时空分布规律并犯罪风险区域等级的预测研究，可为警务防控提供一定决策支持，优化警力资源配置。