Інтелектуальна система аналізу криміногенної ситуації
Ключові слова:
прогноз правопорушень, машинне навчання, Python, Pandas, Seaborn
Анотація
В роботі досліджується взаємозв’язок кількості правопорушень та різних зовнішніх факторів (дня тижня або погодних умов). На підставі отриманих даних приведено графіки, які відображають найбільш небезпечний час доби, дні тижня та місяці в році, в які необхідно посилити поліцейський контроль на вулицях міста. На основі отриманих закономірностей розроблено модель машинного навчання для прогнозування рівня правопорушень, які враховують як історичні дані, так і різні зовнішні фактори.
Посилання
[1] Шаталов А.С. Криминалистические алгоритмы и программы. Теория. Проблемы. Прикладные аспекты / – М.: Лига Разум, 2000. – 252 с.
[2] Лузгин И.М. Моделирование при расследовании преступлений
/ – М.: Юрид. лит., 1981. – 152 с.
[3] Колдин В.Я. Типовые модели и алгоритмы криминалистического исследования / – М.:, 1989. – 184 с.
[2] Лузгин И.М. Моделирование при расследовании преступлений
/ – М.: Юрид. лит., 1981. – 152 с.
[3] Колдин В.Я. Типовые модели и алгоритмы криминалистического исследования / – М.:, 1989. – 184 с.
Опубліковано
2023-10-21
Як цитувати
Лакуста, А., & Паславський, М. (2023). Інтелектуальна система аналізу криміногенної ситуації. Комп’ютерне моделювання та інформаційні технології, 72-76. вилучено із https://conf.nltu.edu.ua/index.php/conf1/article/view/24
Розділ
ІНТЕЛЕКТУАЛЬНІ ІНФОРМАЦІЙНІ СИСТЕМИ
