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

Näytä muut versiot (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...

Täydet tiedot

Bibliografiset tiedot
Päätekijä: Aaltonen, Olli-Pekka
Muut tekijät: Faculty of Information Technology, Informaatioteknologian tiedekunta, Tietojenkäsittelytieteiden laitos, Department of Computer Science and Information Systems, University of Jyväskylä, Jyväskylän yliopisto
Aineistotyyppi: Pro gradu
Kieli:eng
Julkaistu: 2016
Aiheet:
Recidivism
machine learning
Random forest
logistic regression
forecasting
Information Systems Science
Tietojärjestelmätiede
601
uusintarikollisuus
ennusteet
regressioanalyysi
koneoppiminen
Linkit: https://jyx.jyu.fi/handle/123456789/51967

Samankaltaisia teoksia