淺析決策樹對犯罪風險程度的預測

胡杰明

摘 要：簡單介紹利用決策樹對一個犯罪嫌疑人的犯罪行為程度進行分析，挖掘相應數據，理出一個較可行的方式和模型，實現對犯罪風險程度的預測。

關鍵詞：決策樹；數據整合與挖掘；犯罪預測

中圖分類號：TP18

1 緒論

隨著信息化時代的到來，大數據、云計算、機器學習等科學技術不斷得到發展與完善，各個行業的技術均離不開信息化建設的支持。在信息化社會背景下，公安應用也在不斷改革。這一新的趨勢促使公安工作在大數據的環境下不斷挖掘、不斷運用。為提高公安情報工作，公安部門應加強數據的整合與挖掘。傳統的警情研判、對犯罪人的預測，是通過人力隊海量數據進行整合分析，這樣耗費了大量警力資源。所以，警務改革應針對情報分析方向的技術加以深層次的研究，打造一個良好的、有效率的、適應當下環境的綜合運用系統。目前在該領域，相關部門已經建設相應的信息數據平臺，但對信息的處理僅僅還停留在查詢、統計、更新，對處理完的案件進行更新儲存，便于以后查詢，分析層次極其欠缺。好比基層公安機關的警情分析系統都是基于C/S模式，得出的結果大多是復雜的報表數據，警綜平臺就是一個鮮明的例子。但這些復雜的數據中，隱含著許多未被利用且被忽略的數據信息，所以需要結合公安多方面的應用，將數據進行整合和挖掘，基于決策樹進行數據分析，建立數據倉庫，總和數據記錄，好比大量的犯罪行為記錄，發現其犯罪規律、趨勢、犯罪行為之間的聯系以及誘發狀態，從而實現對犯罪程度的預測。

2 犯罪行為

決犯罪行為是犯罪人所實施的違反刑法規定構成犯罪的行為。是刑法學中犯罪構成的基礎和行為人承擔刑事責任的根據。它是一個犯罪心理演變的過程，最主要的就是犯罪嫌疑人的犯罪動機。如果能提前準確地對其進行預測，就能在犯罪嫌疑人將要進行犯罪前阻止其一切行動。

3 決策樹

決策樹（decision tree）是一類常見的機器學習方法，目的是為了產生一棵泛化能力強，即處理未見示例能力強的決策樹。決策樹的生成是一個遞歸的過程。

（1）決策樹算法。決策樹算法是數據挖掘技術中用來分類、預測的一種算法。在決策樹的基本算法中，有三種情況會導致遞歸返回：①當前節點包含的樣本全屬于同一類別，無需劃分；②當前屬性集為空，或是所有樣本在所有屬性上取值相同，無法劃分；③當前節點包含的樣本集為空，不能劃分。它的樹形結構模型，在分類問題中，表示基于特征隊數據進行分類的過程，可以認為是if-then規則的集合，每個內部節點表示在屬性上的一個測試，每個分支代表一個測試輸出，每個葉節點代表一種類別。

4 決策樹下犯罪風險中的應用

（1）模擬信息表。為了有效說明問題，我們給出少許的虛擬數據，進行綜合處理得出一個數據表。首先進行數據預處理：可將已知信息，按有年齡、文化程度、經濟情況、有無固定職業、有無犯罪記錄、違法次數、犯罪程度等分類，進行標記，生成枝葉，將每個節點數據綜合整理，形成模擬信息表。

（2）基于ID3的決策樹模型。由于虛擬數據內容不夠詳細，分析程度和分類知識的獲取仍然未達到理想狀態。如果項目和記錄次數較多，則決策樹的分枝和層次將非常龐大。當然，在實際應用中，分析的數據和項目越多，得出的挖掘知識就更可信，更具有價值。這只是一個簡單的粗層次分類模型，想做到良好的、可靠的分析模型，我們應在大數據基礎上，采集并挖掘更多的有效數據，并結合犯罪分析的專業知識，從作案對象、手段特點、作案工具、作案時間、作案場所、專長等特征具體加以分析，這將會是一個很有意義的分析模型，采用的是ID3算法生成的決策樹模型，這個算法的特點是使用信息增益來選擇特征。

（3）分支順序。我們依然可以采用一種遞歸生成算法，依據的是分支順序。算法基本流程是：創建一個新的節點N，如果虛擬數據樣本在其它的同類，就使算法中的N標位葉節點，如果樣本其他的分枝為空值，并標位普通類，選擇樣本分枝中具有最高信息增益屬性，為其對應已知的數值，再從節點N選出其分枝，在幾何中進行增加葉節點與節點，最后得出最終值。在決策樹每個節點上用信息增益熵來進行選擇，簡稱分枝優選。這一種遞歸算法可以通過在樣本中的，選擇最大熵的列作為當前節點的決策，進行層層篩選而得出最小屬性值。該屬性值就能判斷測犯罪嫌疑人的犯罪程度大小，從而預測犯罪風險程度，如此構造了一個相對比較簡單的樹和模型。

5 結語

利用決策樹算法的技術形成時間并不長遠，在我國內各方面領域上，能使用的并不占多數，僅僅局限在商業服務中，而且能成功運用的少之又少。如果放在犯罪風險預測上，那是一個非常有意義的應用。基于決策樹的犯罪風險預測模型對于公安系統的運用中，能夠以最快速度的、高效率的提前預測犯罪嫌疑人的犯罪行為以及犯罪風險程度，這樣能夠在警綜平臺上有效地減少人工成本，對于信息化作戰中提供了良好的作戰準備及保護措施。無法預測到犯罪風險的大小，民警們就很難保護公民們的安全，更難處理意外之事。本文通過對虛擬數據的挖掘，提供了一個較為合理的決策模式，采取這種最低級別的模式，得出一些具有參考價值的的分析結論，能夠對公安業務起到推進作用，提供了一個良好的發展方向。

參考文獻：

[1]劉美玲.基于數據挖掘的決策樹算法研究及應用探討[D].上海：華東理工大學，2009.

[2]盧東標.基于決策樹挖掘算法研究與應用[D].武漢：武漢理工大學，2008.

[3]莊卿卿.一種改進的ID3算法[J].現代計算機（專業版），2009，32（3）：37-41.

[4]陸秋.基于決策樹ID3算法的數據挖掘技術研究與應用.桂林：桂林工學院 桂林理工大學，2007.

[5]王珊.數據倉庫技術與聯機分析處理.科學出版社，1998.

[6]Han Jiawei，Kamber M.Data Mining Concepts and Techniques.Morgan Kaufmann Publishers，Inc.，2001.