大数据算法在罪犯危险度评估中的应用研究——以决策树-随机森林模型为例  

Application of the Big Data Algorithm in Offender Risk Assessment:Taking Decision Tree-Random Forest Model as an Example

作　　者：江其建 Qijian Jiang

机构地区：[1]浙江省乔司监狱,浙江杭州市310012

出　　处：《中国监狱学刊》2023年第3期41-51,共11页China Prison Journal

摘　　要：现有罪犯危险度评估体系主要是传统经验主义模式,体系不能自我升级、不能全时段监测、不能全员评估、不能全要素纳入。但罪犯危险度工作要求全时段、全员、全要素纳入危险评估,且能分析因子之间的相互影响,提前做出预判,这就需要应用大数据分析。决策树和随机森林模型在聚类算法中较为成熟,其分析结果相对于传统评估体系具有更高的准确性、时效性、全面性,并能不断自我升级优化,预测结果可以为罪犯危险评估工作提供意见参考。

关 键 词：大数据 罪犯危险度评估 决策树-随机森林模型 机器学习 

分 类 号：D926.7[政治法律—法学]