The Long-Term Theft Prediction in Beijing Using Machine Learning Algorithms: Comparison and Interpretation

Zhang, Yanji; Cai, Liang; Song, Guangwen; Zhu, Chunwu

doi:10.1177/00111287231180102

The Long-Term Theft Prediction in Beijing Using Machine Learning Algorithms: Comparison and Interpretation

To advance the interpretability of machine learning for long-term crime prediction in China, we compared the performance of multiple machine learning algorithms in predicting the spatial pattern of theft in Beijing. Gradient boosting decision tree emerged as the algorithm with best predictive accura...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
VerfasserInnen:	Zhang, Yanji (Verfasst von) ; Cai, Liang (Verfasst von) ; Song, Guangwen (Verfasst von) ; Zhu, Chunwu (Verfasst von)
Medienart:	Elektronisch Aufsatz
Sprache:	Englisch
Veröffentlicht:	2025
In:	Crime & delinquency Jahr: 2025, Band: 71, Heft: 6/7, Seiten: 2061-2091
Online-Zugang:	Volltext (lizenzpflichtig)
Verfügbarkeit prüfen:	HBZ Gateway
Schlagwörter:	crime prediction gradient boosting decision tree interpretable machine learning nonlinear relationship spatial heterogeneity