Bøger af Daniel Haake

Das Buch beschaftigt sich mit der Moglichkeit der Prognose von Wohnungseinbruchen mit Hilfe von Machine-Learning-Verfahren. Die Analyse beschrankt sich auf die Fragestellung, ob nach einem erfolgten Wohnungseinbruch mit einer Nachfolgetat, den sog. Near-Repeats, zu rechnen ist. Dabei wird untersucht, welche Faktoren zu guten Prognoseergebnissen beitragen. Zur Verfugung stehen Daten zu Wohnungseinbruchen aus Baden-Wurttemberg aus den Jahren 2010 bis 2017. Erganzt werden die polizeilichen Daten um geografische Daten, die den Tatort beschreiben. Hiermit wird gepruft, ob kriminalgeografische Faktoren gute Indikatoren zur Prognose von Wohnungseinbruchen, genauer gesagt Near-Repeats, darstellen. Als Machine-Learning-Verfahren kommen die Verfahren Random Forest, XGBoost, Support Vector Machines, Neuronale Netze und ein Soft-Voting der Modelle zum Einsatz. Mit Hilfe dieser Verfahren kann eine Prazision der Prognosen von uber 60% erreicht werden. Es wird auerdem erstmalig gezeigt, dass auch Prognosen fur den landlichen Raum moglich sind.