Prognose von Wohnungseinbrüchen mithilfe von Machine-Learning-Algorithmen

Daniel Haake

WISTA – Wirtschaft und Statistik, 2021, vol. 73, issue 2, 59-71

Abstract: Kann man mit Machine-Learning-Algorithmen prognostizieren, ob es nach einem erfolgten Wohnungseinbruchdiebstahl in kurzer Zeit und in unmittelbarer Nähe zu Nachfolgedelikten kommen wird? Dieser Frage geht der vorliegende Artikel anhand von Daten aus Baden-Württemberg nach. Dabei zieht er einen Vergleich mit der kommerziellen Software PRECOBS, zu deren Einsatz eine Studie in Baden-Württemberg durchgeführt wurde. Bisherige Lösungen beschränken sich auf den urbanen Raum. Deshalb wird zusätzlich untersucht, ob auch Prognosen für den ländlichen Raum möglich sind.

Keywords: Nachfolgedelikt; Wohnungseinbruchsdiebstahl; Data Science; Machine-Learning; Tatzeitraum; kriminalgeografischer Raum; near-repeat offence; theft by burglary of a dwelling; data science; machine learning; time period of offence; criminal-geographical area (search for similar items in EconPapers)
Date: 2021
References: View complete reference list from CitEc
Citations:

Downloads: (external link)
https://www.econstor.eu/bitstream/10419/233567/1/wista-2021-2-059-071.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:zbw:wistat:233567

Access Statistics for this article

More articles in WISTA – Wirtschaft und Statistik from Statistisches Bundesamt (Destatis), Wiesbaden Contact information at EDIRC.
Bibliographic data for series maintained by ZBW - Leibniz Information Centre for Economics ().