Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen:
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Format: | Buch |
| Sprache: | German |
| Veröffentlicht: |
Wiesbaden
Springer Gabler
[2022]
|
| Ausgabe: | 1. Auflage 2022 |
| Schriftenreihe: | BestMasters
Research |
| Schlagworte: | |
| Online-Zugang: | Inhaltsverzeichnis |
| Beschreibung: | XVI, 90 Seiten Illustrationen, Diagramme, Karten |
| ISBN: | 9783658376598 3658376597 |
Internformat
MARC
| LEADER | 00000nam a22000008c 4500 | ||
|---|---|---|---|
| 001 | BV048263144 | ||
| 003 | DE-604 | ||
| 005 | 20240820 | ||
| 007 | t | ||
| 008 | 220609s2022 gw a||| m||| 00||| ger d | ||
| 016 | 7 | |a 1254594221 |2 DE-101 | |
| 020 | |a 9783658376598 |c Festeinband : circa EUR 59.99 (DE), circa EUR 61.67 (AT), circa CHF 66.50 (freier Preis), circa EUR 56.07 |9 978-3-658-37659-8 | ||
| 020 | |a 3658376597 |9 3-658-37659-7 | ||
| 035 | |a (DE-599)DNB1254594221 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c XA-DE-HE | ||
| 049 | |a DE-M382 | ||
| 100 | 1 | |a Haake, Daniel |e Verfasser |0 (DE-588)125908812X |4 aut | |
| 245 | 1 | 0 | |a Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen |c Daniel Haake |
| 264 | 1 | |a Wiesbaden |b Springer Gabler |c [2022] | |
| 300 | |a XVI, 90 Seiten |b Illustrationen, Diagramme, Karten | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 490 | 0 | |a BestMasters | |
| 490 | 0 | |a Research | |
| 650 | 0 | 7 | |a Kriminalprognose |0 (DE-588)4128163-9 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Einbruchdiebstahl |0 (DE-588)4151241-8 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |2 gnd |9 rswk-swf |
| 653 | |a Artificial Intelligence | ||
| 653 | |a Machine Learning | ||
| 653 | |a Data Science | ||
| 653 | |a Polizei | ||
| 653 | |a Kriminologie | ||
| 653 | |a Predictive Policing | ||
| 655 | 7 | |0 (DE-588)4113937-9 |a Hochschulschrift |2 gnd-content | |
| 689 | 0 | 0 | |a Einbruchdiebstahl |0 (DE-588)4151241-8 |D s |
| 689 | 0 | 1 | |a Kriminalprognose |0 (DE-588)4128163-9 |D s |
| 689 | 0 | 2 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |D s |
| 689 | 0 | |5 DE-604 | |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe |z 978-3-658-37660-4 |
| 856 | 4 | 2 | |m DNB Datenaustausch |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=033643342&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 943 | 1 | |a oai:aleph.bib-bvb.de:BVB01-033643342 | |
Datensatz im Suchindex
| _version_ | 1807954003611353088 |
|---|---|
| adam_text |
INHALTSVERZEICHNIS
1
KRIMINOLOGISCHE
THEORIEN
UND
STUDIEN
.
1
1.1
HOT-SPOT-THEORIE
.
2
1.2
REPEAT
VICTIMIZATION
.
3
1.3
NEAR
REPEAT
VICTIMIZATION
.
4
1.4
BOOST-HYPOTHESE
.
6
1.5
FLAG-HYPOTHESE
.
8
1.6
RATIONAL-CHOICE-THEORIE
.
10
1.7
ROUTINE-ACTIVITY-THEORIE
.
10
2
THEORETISCHE
GRUNDLAGEN
DES
MASCHINELLEN
LERNENS
.
13
2.1
ALLGEMEINES
.
13
2.1.1
DATENGRUNDLAGE
.
14
2.1.2
FORMEN
DES
LERNENS
.
16
2.1.3
MODELLEVALUATION
.
17
2.1.4
OVERFITTING
.
22
2.1.5
VALIDIERUNG
.
24
2.2
SUPPORT
VECTOR
MACHINES
.
26
2.3
NEURONALE
NETZE
.
32
2.4
ENSEMBLE
LEARNING
.
37
2.4.1
BAGGING
.
38
2.4.2
BOOSTING
.
39
3
DATENVORVERARBEITUNG
.
41
3.1
DATENGRUNDLAGE
.
41
3.2
ZUORDNUNG
DER
TATMERKMALE
.
44
3.3
HINZUFUEGEN
VON
ZEITLICHEN
INFORMATIONEN
.
47
3.4
HINZUFUEGEN
VON
GEOGRAFISCHEN
INFORMATIONEN
.
50
3.5
GENERIERUNG
DER
KLASSENLABEL
.
54
XII
INHALTSVERZEICHNIS
4
DATENANALYSE
.
57
4.1
UEBERBLICK
UEBER
DIE
DATEN
.
57
4.1.1
NACHFOLGEDELIKTE
IN
BEZUG
AUF
RAUM
UND
ZEIT
.
57
4.1.2
KORRELATIONSMATRIX
.
59
4.2
VALIDIERUNG
DER
TRAINIERTEN
MODELLE
.
62
4.3
ANWENDUNG
MASCHINELLER
LERNVERFAHREN
.
64
4.3.1
RANDOM
FOREST
.
67
4.3.2
XGBOOST
.
70
4.3.3
NEURONALES
NETZ
.
73
4.3.4
SUPPORT
VECTOR
MACHINE
.
75
4.3.5
ANPASSEN
DES
SCHWELLWERTS
.
77
5
ZUSAMMENFASSUNG
.
85
LITERATURVERZEICHNIS
.
87 |
| adam_txt |
INHALTSVERZEICHNIS
1
KRIMINOLOGISCHE
THEORIEN
UND
STUDIEN
.
1
1.1
HOT-SPOT-THEORIE
.
2
1.2
REPEAT
VICTIMIZATION
.
3
1.3
NEAR
REPEAT
VICTIMIZATION
.
4
1.4
BOOST-HYPOTHESE
.
6
1.5
FLAG-HYPOTHESE
.
8
1.6
RATIONAL-CHOICE-THEORIE
.
10
1.7
ROUTINE-ACTIVITY-THEORIE
.
10
2
THEORETISCHE
GRUNDLAGEN
DES
MASCHINELLEN
LERNENS
.
13
2.1
ALLGEMEINES
.
13
2.1.1
DATENGRUNDLAGE
.
14
2.1.2
FORMEN
DES
LERNENS
.
16
2.1.3
MODELLEVALUATION
.
17
2.1.4
OVERFITTING
.
22
2.1.5
VALIDIERUNG
.
24
2.2
SUPPORT
VECTOR
MACHINES
.
26
2.3
NEURONALE
NETZE
.
32
2.4
ENSEMBLE
LEARNING
.
37
2.4.1
BAGGING
.
38
2.4.2
BOOSTING
.
39
3
DATENVORVERARBEITUNG
.
41
3.1
DATENGRUNDLAGE
.
41
3.2
ZUORDNUNG
DER
TATMERKMALE
.
44
3.3
HINZUFUEGEN
VON
ZEITLICHEN
INFORMATIONEN
.
47
3.4
HINZUFUEGEN
VON
GEOGRAFISCHEN
INFORMATIONEN
.
50
3.5
GENERIERUNG
DER
KLASSENLABEL
.
54
XII
INHALTSVERZEICHNIS
4
DATENANALYSE
.
57
4.1
UEBERBLICK
UEBER
DIE
DATEN
.
57
4.1.1
NACHFOLGEDELIKTE
IN
BEZUG
AUF
RAUM
UND
ZEIT
.
57
4.1.2
KORRELATIONSMATRIX
.
59
4.2
VALIDIERUNG
DER
TRAINIERTEN
MODELLE
.
62
4.3
ANWENDUNG
MASCHINELLER
LERNVERFAHREN
.
64
4.3.1
RANDOM
FOREST
.
67
4.3.2
XGBOOST
.
70
4.3.3
NEURONALES
NETZ
.
73
4.3.4
SUPPORT
VECTOR
MACHINE
.
75
4.3.5
ANPASSEN
DES
SCHWELLWERTS
.
77
5
ZUSAMMENFASSUNG
.
85
LITERATURVERZEICHNIS
.
87 |
| any_adam_object | 1 |
| any_adam_object_boolean | 1 |
| author | Haake, Daniel |
| author_GND | (DE-588)125908812X |
| author_facet | Haake, Daniel |
| author_role | aut |
| author_sort | Haake, Daniel |
| author_variant | d h dh |
| building | Verbundindex |
| bvnumber | BV048263144 |
| ctrlnum | (DE-599)DNB1254594221 |
| edition | 1. Auflage 2022 |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a22000008c 4500</leader><controlfield tag="001">BV048263144</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20240820</controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">220609s2022 gw a||| m||| 00||| ger d</controlfield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1254594221</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783658376598</subfield><subfield code="c">Festeinband : circa EUR 59.99 (DE), circa EUR 61.67 (AT), circa CHF 66.50 (freier Preis), circa EUR 56.07</subfield><subfield code="9">978-3-658-37659-8</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3658376597</subfield><subfield code="9">3-658-37659-7</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1254594221</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-HE</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-M382</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Haake, Daniel</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)125908812X</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen</subfield><subfield code="c">Daniel Haake</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Wiesbaden</subfield><subfield code="b">Springer Gabler</subfield><subfield code="c">[2022]</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XVI, 90 Seiten</subfield><subfield code="b">Illustrationen, Diagramme, Karten</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="490" ind1="0" ind2=" "><subfield code="a">BestMasters</subfield></datafield><datafield tag="490" ind1="0" ind2=" "><subfield code="a">Research</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Kriminalprognose</subfield><subfield code="0">(DE-588)4128163-9</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Einbruchdiebstahl</subfield><subfield code="0">(DE-588)4151241-8</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Artificial Intelligence</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Machine Learning</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Data Science</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Polizei</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Kriminologie</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Predictive Policing</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4113937-9</subfield><subfield code="a">Hochschulschrift</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Einbruchdiebstahl</subfield><subfield code="0">(DE-588)4151241-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Kriminalprognose</subfield><subfield code="0">(DE-588)4128163-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="2"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe</subfield><subfield code="z">978-3-658-37660-4</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">DNB Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=033643342&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-033643342</subfield></datafield></record></collection> |
| genre | (DE-588)4113937-9 Hochschulschrift gnd-content |
| genre_facet | Hochschulschrift |
| id | DE-604.BV048263144 |
| illustrated | Illustrated |
| index_date | 2024-07-03T19:59:42Z |
| indexdate | 2024-08-21T00:14:58Z |
| institution | BVB |
| isbn | 9783658376598 3658376597 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-033643342 |
| open_access_boolean | |
| owner | DE-M382 |
| owner_facet | DE-M382 |
| physical | XVI, 90 Seiten Illustrationen, Diagramme, Karten |
| publishDate | 2022 |
| publishDateSearch | 2022 |
| publishDateSort | 2022 |
| publisher | Springer Gabler |
| record_format | marc |
| series2 | BestMasters Research |
| spelling | Haake, Daniel Verfasser (DE-588)125908812X aut Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen Daniel Haake Wiesbaden Springer Gabler [2022] XVI, 90 Seiten Illustrationen, Diagramme, Karten txt rdacontent n rdamedia nc rdacarrier BestMasters Research Kriminalprognose (DE-588)4128163-9 gnd rswk-swf Einbruchdiebstahl (DE-588)4151241-8 gnd rswk-swf Maschinelles Lernen (DE-588)4193754-5 gnd rswk-swf Artificial Intelligence Machine Learning Data Science Polizei Kriminologie Predictive Policing (DE-588)4113937-9 Hochschulschrift gnd-content Einbruchdiebstahl (DE-588)4151241-8 s Kriminalprognose (DE-588)4128163-9 s Maschinelles Lernen (DE-588)4193754-5 s DE-604 Erscheint auch als Online-Ausgabe 978-3-658-37660-4 DNB Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=033643342&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis |
| spellingShingle | Haake, Daniel Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen Kriminalprognose (DE-588)4128163-9 gnd Einbruchdiebstahl (DE-588)4151241-8 gnd Maschinelles Lernen (DE-588)4193754-5 gnd |
| subject_GND | (DE-588)4128163-9 (DE-588)4151241-8 (DE-588)4193754-5 (DE-588)4113937-9 |
| title | Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen |
| title_auth | Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen |
| title_exact_search | Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen |
| title_exact_search_txtP | Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen |
| title_full | Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen Daniel Haake |
| title_fullStr | Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen Daniel Haake |
| title_full_unstemmed | Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen Daniel Haake |
| title_short | Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen |
| title_sort | prognose von wohnungseinbruchen mit hilfe von machine learning algorithmen |
| topic | Kriminalprognose (DE-588)4128163-9 gnd Einbruchdiebstahl (DE-588)4151241-8 gnd Maschinelles Lernen (DE-588)4193754-5 gnd |
| topic_facet | Kriminalprognose Einbruchdiebstahl Maschinelles Lernen Hochschulschrift |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=033643342&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT haakedaniel prognosevonwohnungseinbruchenmithilfevonmachinelearningalgorithmen |