Nenhum

Páginas: 6 (1468 palavras) Publicado: 8 de junho de 2013
Trabalho de Mineração de Dados

1.Identificação

2. Introdução (Caracterização do Problema)
O índice de criminalidade, em comparação ao trimestre do ano passado, aumentou em 5 pontos. Assim o departamento de segurança solicitou um estudo baseado nos registros coletados das delegacias regionais, para descobrir quais são os fatores que tem induzido ou facilitado o aumento na prática doscrimes, e assim definir planos de ação que visem à diminuição do índice.
3. Definição das Perguntas a serem respondidas

3.1 Como podemos definir, de acordo com o tipo de ocorrência, a idade e sexo da vítima, a idade do criminoso, bem como o período do incidente? Estas informações poderão ajudar a adotar medidas de policiamento mais inteligentes e assertivas, fornecendo uma correlação entreo perfil parcial do criminoso (idade) e preferência de ação criminosa, levando em consideração, além do sexo da vítima, a localização, o tipo de ocorrência e também se o mesmo atua em locais iluminados ou não, ou seja, se possui perfil mais ousado exigindo vigília mais atenta do policiamento.

3.2 Por região, qual o tipo de crime, horário de incidência e fator iluminação? Este resultadoajudará a melhorar a escala de policiamento nas regiões mais afetas, e o qual tipo de policiamento. Nas regiões onde assaltos são mais comuns, é importante aumentar o policiamento nas ruas e locais movimentados. Onde os homicídios são mais comuns, é importante iniciar uma investigação mais aprofundada para descobrir quais fatores induzem ao homicídio, se envolvimento com drogas, bebidas ougangues.

4. Metodologia, quais técnicas que serão utilizadas para responder as perguntas.
Adotamos a metodologia SEMMA, onde selecionamos, exploramos, modificamos, modelamos e avaliamos os resultados. No processo de seleção identificamos que o problema é adequado para uma solução de data mining , exploramos suas características para obter entendimento do contexto bem com a relação de cada atributoscom este contexto. Fizemos a limpeza dos dados e definimos apenas os atributos relevantes, evitando diminuir o grau de eficácia do algoritmo escolhido, para finalmente modelar e avaliar o modelo. Como melhor prática, despendemos a maior parte do tempo nas etapas de entendimento do problema e dos dados.
As técnicas de clusterização e classificação são suficientes para a obtenção de padrões econhecimento sobre os dados.

5. Validação
5.1 Pergunta 1
Como podemos definir, de acordo com o tipo de ocorrência, a idade e sexo da vítima, a idade do criminoso, bem como o período do incidente?
5.1.1 Pré-processamento
Para este definimos somente os atributos que possuem relevância com o caso, evitando a colocação de atributos que possam diminuir a eficácia do algoritmo para o problemaproposto. Os atributos são: Tipo de Ocorrência, Localização, Iluminação, IdadeCrim, Sexo da Vitima, Idade da Vitima, Hora do Crime. Como saída foi definido o atributo Tipo de Ocorrência.
5.1.2 Resultados
Escolhido o algoritmo J48 para gerar a árvore de decisão, que proporcionou uma taxa de classificação correta de 74.48% para nosso modelo.
De acordo com as telas abaixo, criminosos menores doque 29 anos tendem a cometer crimes, no período matutino, sobre vitimas menores do que 32 anos, sendo entre estes crimes, assaltos em locais iluminados e homicídios em locais sem iluminação. Contra as vitimas acima de 32 anos e menor do que 38, prevalecem os assaltos. Já contra as vitimas acima de 38 anos, ocorrem mais homicídios cometidos pelos criminosos menores do que 29 anos.
No período datarde, os criminosos menores do que 23 anos se envolvem em assaltos contra mulheres, e homicídios contra homens, esta informação pode ser suportada pelo fato de que homens tendem a reagir devido à questão hormonal e cultural, por isso é que existem mais mulheres do que homens, não tendo relação com a probabilidade de nascimento, mas sim com o fato destes se envolverem mais em brigas e guerras....
Ler documento completo

Por favor, assinar para o acesso.

Estes textos também podem ser interessantes

  • nenhum
  • Nenhum
  • Nenhum
  • nenhum
  • nenhum
  • nenhum
  • Nenhum
  • Nenhum

Seja um membro do Trabalhos Feitos

CADASTRE-SE AGORA!