دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1st ed.
نویسندگان: Richard Berk
سری:
ISBN (شابک) : 9783030022716, 9783030022723
ناشر: Springer International Publishing
سال نشر: 2019
تعداد صفحات: 184
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب ارزیابی ریسک یادگیری ماشین در تنظیمات عدالت کیفری: علوم کامپیوتر، احتمالات و آمار در علوم کامپیوتر، جرم شناسی کمی، داده کاوی و کشف دانش
در صورت تبدیل فایل کتاب Machine Learning Risk Assessments in Criminal Justice Settings به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب ارزیابی ریسک یادگیری ماشین در تنظیمات عدالت کیفری نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب جدیدترین کار ریچارد برک در مورد پیشبینی ارتکاب جرم مجدد توسط افرادی که قبلاً در بازداشت عدالت کیفری هستند را در یک مکان و به شکل قابل دسترس قرار میدهد. نویسنده با استفاده از روشهای آماری یادگیری ماشینی آموزشدیده بر روی مجموعههای داده بسیار بزرگ، معرفی صریح هزینههای نسبی خطاهای پیشبینی در حین ساخت پیشبینیها، و تاکید بر به حداکثر رساندن دقت پیشبینی، نشان میدهد که چگونه دههها تحقیق او در مورد این موضوع، پیشبینی ریسک را بهبود میبخشد. .
پیشبینیهای ریسک عدالت کیفری به جای «پلیس پیشبینیکننده» برای مکانها در زمان و مکان، که یک شرکت بسیار متفاوت است که از دادههای مختلف از ابزارهای تجزیه و تحلیل دادههای مختلف استفاده میکند، رفتار آینده افراد مشخص را پیشبینی میکند.
p>
مخاطبان این کتاب شامل دانشجویان تحصیلات تکمیلی و پژوهشگران علوم اجتماعی و تحلیلگران داده در سازمان های عدالت کیفری است. ریاضیات رسمی فقط در صورت لزوم یا در هماهنگی با توضیحات شهودی تر استفاده می شود.
This book puts in one place and in accessible form Richard Berk’s most recent work on forecasts of re-offending by individuals already in criminal justice custody. Using machine learning statistical procedures trained on very large datasets, an explicit introduction of the relative costs of forecasting errors as the forecasts are constructed, and an emphasis on maximizing forecasting accuracy, the author shows how his decades of research on the topic improves forecasts of risk.
Criminal justice risk forecasts anticipate the future behavior of specified individuals, rather than “predictive policing” for locations in time and space, which is a very different enterprise that uses different data different data analysis tools.
The audience for this book includes graduate students and researchers in the social sciences, and data analysts in criminal justice agencies. Formal mathematics is used only as necessary or in concert with more intuitive explanations.
Front Matter ....Pages i-ix
Getting Started (Richard Berk)....Pages 1-13
Some Important Background Material (Richard Berk)....Pages 15-40
A Conceptual Introduction to Classification and Forecasting (Richard Berk)....Pages 41-56
A More Formal Treatment of Classification and Forecasting (Richard Berk)....Pages 57-73
Tree-Based Forecasting Methods (Richard Berk)....Pages 75-114
Transparency, Accuracy and Fairness (Richard Berk)....Pages 115-130
Real Applications (Richard Berk)....Pages 131-154
Implementation (Richard Berk)....Pages 155-161
Some Concluding Observations About Actuarial Justice and More (Richard Berk)....Pages 163-172
Back Matter ....Pages 173-178