Społeczno–ekonomiczne determinanty przestępczości powrotnej. Wybrane problemy stosowania metod ilościowych do identyfikacji zależności

Artykuł porusza problematykę prognozowania indywidualnych zachowań przestępczych z wykorzystaniem wybranych metod statystycznych i metod data mining. Analizowano problem klasyfikacji sprawców do dwóch grup ryzyka recydywy. Porównana została jakość różnych klasyfikatorów, takich jak sieć neuronowa, model logitowy, drzewo klasyfikacyjne i metoda wektorów nośnych. Łączna trafność prognozowania dla wszystkich analizowanych modeli przekroczyła 70%, jednak modele te charakteryzowały się dużym odsetkiem tzw. “fałszów negatywnych”.

The aim of the author was to discuss an application of data mining and statistical methods to recidivism prediction. There was analysed a binary classification problem where the goal was to predict if a prisoner will be arrested for a certain type of crime within one year of being released from prison. There were compared different models such as neural network, classification tree, logistic regression and SVM. General accuracy of all the models exceeded 70% correctly classified instances, but all of the analysed classifiers were characterized by high “false negatives” ratio and so they would be useless in practice.