- 商品参数
-
- 作者:
马国富著
- 出版社:中国政法大学出版社
- 出版时间:2018-11-01
- 版次:1
- 印次:1
- 印刷时间:2018-11-01
- 字数:356
- 页数:384
- 开本:32开
- 装帧:平装
- ISBN:9787562087304
- 版权提供:中国政法大学出版社
监狱作为国家刑罚执行机关,既是法治建设的实践之地,更是法治文明的浓缩之所。新形势下,监狱的职能发生了重大变化,从而对监狱的管理水平提出了更高要求。而要想实现对服刑人员的科学性和精准性教育改造和监管,就必须更深入、更全面的掌握服刑人员的相关信息,这势必给监狱有限的警力造成更大的负担。随着监狱信息化建设在在监狱的深入推进,监狱积累了大量的数据,因此,利用数据分析、数据挖掘、模式识别、机器学习等大数据技术从监狱信息资源库、安防等系统及服刑人员的在监日常行为中收集服刑人员相关数据并整合成数据集,然后进行分析,提取模式和规律,建立模型来对服刑人员的再犯罪危险性进行模式识别、分类和预测,从而将有限的警力用于重点服刑人员,提高服刑人员的教育改造质量和监管水平。服刑人员的危险性识别、分类、预测及由此进行的减刑和假释将日益基于服刑人员的数据分析作出,而并非基于经验和主观意图,从而提升依法治监的科学性和规范性。专著内容主要包括:服刑人员再犯罪概述、服刑人员危险性评估、服刑人员再犯罪预测、服刑人员再犯罪数据挖掘概述、服刑人员再犯罪数据挖掘目标、国外跨行业数据挖掘标准过程(CRISP-DM)、靠前数据挖掘预测流程、服刑人员再犯罪数据的收集、读取数据、服刑人员再犯罪数据质量分析、数据预处理概述、数据清洗、数据集成、隐私数据脱敏、数据变换、数据规约、服刑人员再犯罪数据挖掘概述、关联规则挖掘、回归分析方法、分类方法概述、集成学习、聚类分析方法、基于离群点检测的服刑人员安全监管改造分析、基于大数据的服刑人员危险性预测研究、机器学习模型在预测服刑人员再犯罪危险性中的效用。