Prediction of Crime Occurrence in case of Scarcity of Labeled Data

Authors : Volkan KIRANOGLU, Göksu TÜYSÜZOĞLU, Elife ÖZTÜRK KIYAK

Pages : 677-687

Doi:10.21205/deufmd.2021236828

View : 11 | Download : 6

Publication Date : 2021-05-24

Article Type : Research Paper

Abstract :Teknolojik gelişmeler doğrultusunda, makine öğrenmesi/veri madenciliği çalışmaları suç analizinde önemli ölçüde artmıştır. Suç olaylarının tahmini, ceza davalarının mekansal/zamansal dağılımının tespiti, suç türünün öngörülmesi bu çalışma alanlarından bazılarıdır. Suç oranlarındaki önemli artıştan kaynaklanan suç verileri dikkate alındığında, gelecekteki olaylar için suç kalıplarını araştırmak veya suçla ilgili tahminleri kolayca yapmak için etiketlenmemiş veriler kullanılabilir. Bu nedenle, bu çalışmada, 2019 polis verilerini kullanarak İngiltere'de suç araştırmalarının sonucunu tahmin etmek için aktif öğrenme, kendi kendine öğrenme ve rastgele örnekleme teknikleri uygulanmıştır. Deneysel analize göre, aktif öğrenme, çok az etiketlenmiş veri olması durumunda düzensizliğe dayalı akıllı seçim stratejisini kullanarak muadillerinden daha iyi performans göstermektedir.
Keywords : Aktif Öğrenme, Sınıflandırma, Suç Tespiti, Rastgele Örnekleme, Yarı Denetimli Öğrenme, Kendi Kendine Öğrenme