《表1:分类模型在测试集上的混淆矩阵》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《数据驱动的罪犯危险性评估方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验结果表明:（1）相较于RW量表能够获取罪犯的犯罪史、成长史、家庭背景等详细信息，机器学习分类算法只利用了监狱信息化系统中的罪犯基本信息和改造表现数据，就获得了更高的危险犯分类性能。（2）各种分类模型的精度都不高:一种可能是相当一部分非危险犯的各项数据与危险犯非常接近，实践中对危险犯的甄别不充分；另一种可能是信息化系统中的数据并不完善，遗漏了区分是否为危险犯的重要信息，如是否曾尝试自杀、顶撞民警、往来信件、违纪扣分明细、COPA-PI测试得分等。（3）由于基层警力有限，监狱日常管理中确定的危险犯数量不会太多，分类模型不宜直接用作危险犯评定的标准，可为监狱民警分析狱情提供参考。