掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
法律的悖論(簽章版)
-
>
中華人民共和國憲法
-
>
中華人民共和國勞動法
-
>
私人財富保護、傳承與工具
-
>
再審洞穴奇案
-
>
法醫追兇:破譯犯罪現場的156個冷知識
-
>
法醫追兇:偵破罪案的214個冷知識
買過本商品的人還買了
基于大數據挖掘的服刑人員再犯罪預測 版權信息
- ISBN：9787562087304
- 條形碼：9787562087304 ; 978-7-5620-8730-4
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于大數據挖掘的服刑人員再犯罪預測 內容簡介
監獄作為國家刑罰執行機關，既是法治建設的實踐之地，更是法治文明的濃縮之所。新形勢下，監獄的職能發生了重大變化，從而對監獄的管理水平提出了更高要求。而要想實現對服刑人員的科學性和精準性教育改造和監管，就必須更深入、更全面的掌握服刑人員的相關信息，這勢必給監獄有限的警力造成更大的負擔。隨著監獄信息化建設在在監獄的深入推進，監獄積累了大量的數據，因此，利用數據分析、數據挖掘、模式識別、機器學習等大數據技術從監獄信息資源庫、安防等系統及服刑人員的在監日常行為中收集服刑人員相關數據并整合成數據集，然后進行分析，提取模式和規律，建立模型來對服刑人員的再犯罪危險性進行模式識別、分類和預測，從而將有限的警力用于重點服刑人員，提高服刑人員的教育改造質量和監管水平。服刑人員的危險性識別、分類、預測及由此進行的減刑和假釋將日益基于服刑人員的數據分析作出，而并非基于經驗和主觀意圖，從而提升依法治監的科學性和規范性。專著內容主要包括：服刑人員再犯罪概述、服刑人員危險性評估、服刑人員再犯罪預測、服刑人員再犯罪數據挖掘概述、服刑人員再犯罪數據挖掘目標、國外跨行業數據挖掘標準過程（CRISP-DM）、靠前數據挖掘預測流程、服刑人員再犯罪數據的收集、讀取數據、服刑人員再犯罪數據質量分析、數據預處理概述、數據清洗、數據集成、隱私數據脫敏、數據變換、數據規約、服刑人員再犯罪數據挖掘概述、關聯規則挖掘、回歸分析方法、分類方法概述、集成學習、聚類分析方法、基于離群點檢測的服刑人員安全監管改造分析、基于大數據的服刑人員危險性預測研究、機器學習模型在預測服刑人員再犯罪危險性中的效用。
基于大數據挖掘的服刑人員再犯罪預測 目錄
前言
第1章 服刑人員再犯罪預測
1．1 服刑人員再犯罪概述
1．1．1 再犯罪概念的界定
1．1．2 再犯罪危險的界定
1．1．3 服刑人員再犯罪現狀
1．1．4 服刑人員再犯罪原因分析
1．1．5 服刑人員再犯罪防控新機制
1．2 服刑人員危險性評估
1．2．1 服刑人員危險性評估定義
1．2．2 國內服刑人員危險性評估
1．2．3 國外服刑人員危險性評估
1．3 服刑人員再犯罪預測
1．3．1 國外服刑人員再犯罪預測
1．3．2 國內服刑人員再犯罪預測研究
第2章 服刑人員再犯罪數據挖掘流程
2．1 服刑人員再犯罪數據挖掘概述
2．1．1 數據挖掘的定義
2．1．2 數據挖掘的對象
2．2 服刑人員再犯罪數據挖掘目標
2．2．1 數據挖掘目標的定義
2．2．2 數據挖掘方法
2．2．3 數據挖掘目標的團隊構成
2．3 國外跨行業數據挖掘標準過程（CRISP-DM）
2．3．1 商業理解階段
2．3．2 數據理解階段
2．3．3 數據準備階段
2．3．4 建模階段
2．3．5 模型評估階段
2．3．6 模型發布階段
2．4 國內數據挖掘預測流程
2．4．1 定義問題
2．4．2 準備數據
2．4．3 選擇模型
2．4．4 構建模型
2．4．5 評估與優化模型
2．4．6 部署模型
……
第3章 服刑人員再犯罪預測數據準備
第4章 數據預處理
第5章 服刑人員再犯罪數據挖掘建模
第6章 基于大數據挖掘的服刑人員再犯罪預測
第1章 服刑人員再犯罪預測
1．1 服刑人員再犯罪概述
1．1．1 再犯罪概念的界定
1．1．2 再犯罪危險的界定
1．1．3 服刑人員再犯罪現狀
1．1．4 服刑人員再犯罪原因分析
1．1．5 服刑人員再犯罪防控新機制
1．2 服刑人員危險性評估
1．2．1 服刑人員危險性評估定義
1．2．2 國內服刑人員危險性評估
1．2．3 國外服刑人員危險性評估
1．3 服刑人員再犯罪預測
1．3．1 國外服刑人員再犯罪預測
1．3．2 國內服刑人員再犯罪預測研究
第2章 服刑人員再犯罪數據挖掘流程
2．1 服刑人員再犯罪數據挖掘概述
2．1．1 數據挖掘的定義
2．1．2 數據挖掘的對象
2．2 服刑人員再犯罪數據挖掘目標
2．2．1 數據挖掘目標的定義
2．2．2 數據挖掘方法
2．2．3 數據挖掘目標的團隊構成
2．3 國外跨行業數據挖掘標準過程（CRISP-DM）
2．3．1 商業理解階段
2．3．2 數據理解階段
2．3．3 數據準備階段
2．3．4 建模階段
2．3．5 模型評估階段
2．3．6 模型發布階段
2．4 國內數據挖掘預測流程
2．4．1 定義問題
2．4．2 準備數據
2．4．3 選擇模型
2．4．4 構建模型
2．4．5 評估與優化模型
2．4．6 部署模型
……
第3章 服刑人員再犯罪預測數據準備
第4章 數據預處理
第5章 服刑人員再犯罪數據挖掘建模
第6章 基于大數據挖掘的服刑人員再犯罪預測
展開全部
基于大數據挖掘的服刑人員再犯罪預測 節選
《基于大數據挖掘的服刑人員再犯罪預測》： （1）經驗階段。美國南北戰爭結束后，一些州開始用服刑人員危險性評估工具進行刑事審判，例如紐約和曼徹斯特分別在1876和1878年通過的假釋條例和緩刑條例中，都要求對服刑人員進行危險性評估。可以說，美國緩刑制度的產生和發展推動著危險性評估技術的發展，這一階段的危險性評估主要內容是服刑人員的犯罪情況和服刑人員自身個體特征，主要依據積累的經驗做出直接判斷，從當時來看，這是一種司法和評估技術的進步，但缺乏科學的評估根據和學科理論支撐，也沒有規范的評估工具。 （2）基于危險性因子與量表的學科理論階段。為了提高服刑人員危險性評估的效率、準確性和廣度，降低服刑人員危險性評估實際操作的難度，使更多的監獄干警也能對服刑人員進行危險性評估，研究者基于心理學、社會學、犯罪學等學科理論，從不同的角度研究影響服刑人員實施危險行為的因素，并通過測量得出評估因子，然后按照評估因子設置評估內容，制作危險性評估量表，對服刑人員進行危險性評估。美國1984年研究做出的審前釋放危險性評估，就是先列出11項審前釋放危險性評估因素，然后測量出9項評估因子，并制作成量表對釋放對象進行危險性評估，此舉具有高效的評估作用和顯著的預測作用，成果顯著。基于危險性因子與量表對服刑人員進行危險性評估不再是基于經驗積累，增加了危險性評估的科學性，基于量表的危險性評估是國外危險性評估技術的重大突破，這標志著對服刑人員進行危險性評估已經開始采用量化標準，比較而言，評估的準確性得到提高，但這個階段的服刑人員危險性評估量表中的危險性因子多是從靜態的角度和歷史的角度來評估，忽視了服刑人員自身在矯正過程中的多個動態維度的變化情況。 （3）基于統計學的專業理論階段。基于危險性因子的量表的研究與開發提高了監獄對服刑人員進行危險性評估的效率和科學性，然而，危險性因子是基于靜態的、專家的經驗所得，當監獄管理人員對服刑人員的過去行為史不甚了解，也不曾對服刑人員進行過動態的評估時，基于服刑人員靜態的、歷史的信息使用評估系統對服刑人員進行危險性評估就有可能出現錯誤，并且由于沒有對服刑人員危險性評估量表的信度和效度進行檢驗，服刑人員危險性評估的準確性也受到一些人質疑。為此，研究者和專家們運用統計學知識利用隨機抽樣和分層抽樣選擇大量樣本進行危險性因子分析，通過對危險性因子進行信度和效度檢驗選取評估價值高的危險性因子來構建服刑人員危險性評估量表，區分不同層級的危險性類別，由于該階段的評估采用了相關理論作基礎，從而提高了服刑人員危險性評估的專業化程度、系統性和準確性。 （4）基于大數據的學科理論階段。基于統計學的抽樣調查對樣本的要求非常高，服刑人員危險性評估量表的建立依賴于樣本的絕對隨機性和絕對典型性，對樣本的精確度要求較高。多年來，研究者們已經意識到基于統計學的抽樣調查本身固有的抽樣誤差和登記性誤差。基于大數據的服刑人員危險性評估不再依賴于少量典型樣本，而是所有服刑人員的所有數據；關注的數據不再只是結構化數據，也包括半結構化和非結構化數據；關注的不再只是服刑人員危險性因子與服刑人員危險性行為的因果關系，也包括與服刑人員危險性行為相關的危險性因子。當數據達到一定的規模，那么個別對象的錯誤信息對整體的影響便越來越小，將大數據理論應用于服刑人員危險性評估可以提高評估的準確性；基于大數據的服刑人員危險性評估不再大量分析、假設因果關系，而是直接分析海量數據間的相關性，獲得數據背后的聯系和規律，減少了人為因素，保證了危險性評估的客觀性；服刑人員危險性評估本身具有復雜性和動態性，基于統計學的危險性評估量表只是建立在服刑人員部分數據的基礎上，不能完整體現服刑人員危險性變化性規律，基于大數據的服刑人員危險性評估不再需要建文理論假設.更好地展現了服刑人員危險性的動態性。 ……
書友推薦
- >
史學評論
- >
有舍有得是人生
- >
山海經
- >
月亮與六便士
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
我從未如此眷戀人間
- >
中國歷史的瞬間
- >
苦雨齋序跋文-周作人自編集
本類暢銷
