Comparing the forecasting performance of logistic regression and random forest models in criminal recidivism

Comparing the forecasting performance of logistic regression and random forest models in criminal recidivism

Show other versions (1)

Rikosseuraamusalalla on viime vuosina kehitetty uusintarikollisuutta ennustavia malleja (Tyni, 2015), jotka perustuvat tyypillisesti rekisteripohjaisiin mittareihin, jotka mittaavat mm. tuomitun sukupuolta, ikää, rikostaustaa ja vankikertaisuutta. Yleensä tällaisten mallien kehityksessä käytetään lo...

Full description

Bibliographic Details
Main Author: Aaltonen, Olli-Pekka
Other Authors: Faculty of Information Technology, Informaatioteknologian tiedekunta, Tietojenkäsittelytieteiden laitos, Department of Computer Science and Information Systems, University of Jyväskylä, Jyväskylän yliopisto
Format: Master's thesis
Language:eng
Published: 2016
Subjects:
Recidivism
machine learning
Random forest
logistic regression
forecasting
Information Systems Science
Tietojärjestelmätiede
601
uusintarikollisuus
ennusteet
regressioanalyysi
koneoppiminen
Online Access: https://jyx.jyu.fi/handle/123456789/51967

Similar Items