良い午後。
今日そうだった行きますになれおしゃべり約の理解
の犯罪レートと犯罪予測。
前私たち行くの中へのデータ、させて自分導入aチーム。
私達持ってるKaranveer、私たちのデータ科学者とデータモデリングエキスパート、
とグラント・ラッキーなのでaデータ研究者と
データ視覚化専門家。
そう前私たち得るの中へのデータ、しましょう行うを概要
のの全体プレゼンテーション。
そうだった行きますに始めるとのバックグラウンド
どれの意思なれのイニシャルデータセットとどうして私たち選んだ私たちのデータ。
のデータ概要、どれのまたは行きますの中への理由
どうして私たち選んだ私たちのデータと何そうだった行きますになれしようとしているに答え。
の仕事問題、どれのはの問題それ
私たち持っていましたと私たちのデータ。
どうしてそうだったしようとしているに答え特定
質問との全体考えのの全体事業。
次は私たちのメソッドと予定、どれのは私たちの手順の答える
私たちの仕事問題とそれから私たちの結果、
どれのそれはの結果の私たちのメソッド'予定。
私たちのアプリケーション、どれのそれは本物-生活含意
から私たちの結果、と分析後、
どれのは何私たちできる含むまた追加の上に私たちの結果。
何私たちできる追加の上に向上その上これと年に来て。
始まりとバックグラウンド、どうしてしたほうがいい私たちお手入れ約犯罪レート？
良い犯罪はただ重要にみんな、そしてそれはどこにでもののユナイテッド州、
とそれで何は犯罪レートとどうやってできる私たち定義それ？
どのように私たち定義犯罪レートは私たちのイニシャル犯罪的アクティビティ、
分割されたにの人口密度あたり郡またあたり州。
そうだった主に行きますになれ見ているであたり州。
そうどうやってそれは私たち行きますに識別要因
どれのできる減らす犯罪料金全体を通して私たちの全体事業。
ここそうだった行きますになれ話し中約どうやって特定犯罪
は行きますになれもっと影響力のあるの特定状態よりもその他、
と行う特定犯罪影響他の犯罪？
そう為に例、
もしもそこのだったa殺人犯罪、だろう銃また盗難なれもっと
影響力のあるのそれ殺人犯罪まただろう他の犯罪なれ影響力のあるのそれ？
そう見ているで私たちのデータ概要。
私達始めましたオフと私たちのイニシャルデータ設定どれのは私たちの犯罪統計学データ、
と私たち追加した他のデータ変数後での上全体を通してこれイニシャルデータ設定。
始まりと私たちのイニシャルデータ設定、私たち始めましたと2014年データ、
このイニシャルデータ設定だった与えられたに我らから
連邦政府局調査の:の連邦捜査局。
私達見えたで42犯罪的活動どれのそれは幅範囲
から殺人、盗難に薬所持、薬活動。
私達見えたで約3,200郡、と内部全てこれらは郡
また内部これらは状態だろうなれ全てそれらの郡。
私達持っていましたに見るで48州。
私達持っていましたに除外フロリダとイリノイ州、
なぜならフロリダとイリノイ州やりましたいいえ提供データにのFBI
為にの犯罪的活動。
もしもあなた見るで将来2018年データまた過去2012年データ、これはの同じ問題。
彼らただしないでください提供データにのFBIそれらしい.
と全てのこれ為に2014年データ、あります180,000データポイント
おしゃべり約のFIPSコード。
これはどうやって私たち特定された特定犯罪的アクティビティの特定郡。
為に例、私たち持ってる私たちの州コード、どれのだろう01になる為にアラバマ。
これらは状態それは代表されるアルファベット順。
アラバマ州だろうなれの最初1、とそれから各郡内部それ州
だろう持ってる数字に彼ら。
為に例、ボールドウィンだろうなれ003.
もしもあなた見えたでボールドウィンアラバマ州
だったなれ01003、それでの上とそれで前方へ為に毎日郡詳細なのの州。
見ているで私たちの追加変数、私たち見えたで国勢調査データ。
国勢調査データはいつもすごい為にチェック中アウトの年、人口、
所得あたり郡またあたり州、
と私たち持っていましたに見るで他のデータセットお気に入り
性別、移民、宗教、結婚、失業とリテラシーレート。
これらは他のデータセット見えたもっとまたそれででの州全体料金、
とこれではない本当関連しているに犯罪的アクティビティ、
しかし私たち欲しかったに関与それ
内部私たちのイニシャルデータ設定に見るもしもありますどれか相関と彼ら。
行きますの中へ私たちの仕事問題、
私たち欲しいですに答え何状態ののユナイテッド州具体的には
持ってるの最高と最低犯罪料金とどうしてはそれそれで？
に答え私たちの仕事問題、
私たち持ってるに答えこれらは仕事質問行きますの中へそれ。
どのようにできる私たち識別変数それ影響犯罪？
どれのそれはの多くの重要要因？
はそこの犯罪それ影響他の犯罪？
私は行きますに手それオフにカランビアに話約計画とメソッド。
感謝あなた、許す。
私たちのアプローチに解決するこれ仕事問題、
だったに来て上とa回帰モデル。
私達持ってる使用済みJMPに作るそれ。
初め、なので許す言及された、
私たち持ってる接続済みの様々データベース、それはの犯罪データ設定、
平行とそれらの追加変数そのようななので宗教、所得、等
我々は持っています作る承知しましたどうにかのデータ見える掃除。
あその後それ、私たち持ってる走る私たちの回帰モデル、
どれのはできるに予測するの犯罪レート為に我ら。
とこれ、私たちそれはできるに知るの様々変数
と彼らの重要性の決定するこれ犯罪レート、
と私たちそれはできるにリスト彼らに彼らの重要性。
あtの終わり良いまたなれ見せているあなたビジュアライゼーションベースの上それ。
として許す言及された、私たち持っていました42犯罪的アクティビティ変数。
いくつかのこれらは変数そうだったとても小さな、
そのようななので薬所持、薬消費、薬販売。
のそれ場合、私たち持ってる単にグループ化された彼らに作る承知しましたそれ
私たちできる来ての上a結論の上それ
以来のデータだったそうでなければあまりにも小さな為にのサブグループ。
良いなれそれらを見ている州賢い
なので私たちしませんでした持ってるの追加変数の上a郡基本。
しかし私感じられるそれこれはすごい為に起動これ事業。
私たちの目標変数だろうなれの犯罪レート。
私達持ってる定義済みの犯罪レートなのでの番号の逮捕
のそれ特定人口。
今、到来下にの変数それ私たちそれは使用しています。
多くののこれらは変数持ってるその間正規化されたと私たち持ってる使用済み
aパーセンテージ為に彼ら、そのようななので移民為に性別。
私達意思なれ使用して2種類それ意思なれa男とa女性、
とそれから宗教、失業、結婚、リテラシー。
多くののこれらはそれは正規化されたそれでそれ
私たちしないでください持ってるを分析どれのできるなれ誤解を招く。
到来下にの最後の方程式の私たちの回帰モデル。
これはの方程式のaモデル。
私達持ってる丸みを帯びたオフのサンプル、
となので私たちできる見るそこのそれはa多くの変数
それ持ってるaポジティブ影響、なのでの、それ彼ら増加の犯罪レート、
とそこのそれは特定変数どれの持ってるaネガティブサインと彼ら。
彼ら基本的下降の犯罪レート。
使用するこれ私たちできる見るどうやって私たちできる定義a犯罪レートのどれか州また郡。
到来下にの結果。
の発見番号1。
私達本当欲しかったに見るどれの状態持ってるの最高犯罪レート。
これらはそれはの続く五州。
テネシー、ワイオミング州ミシシッピ、ウィスコンシン、新しいメキシコ。
それで私たち持ってるの続く状態との最低犯罪レート、
それそれは新しいヨーク、アラバマ州バーモント州、マサチューセッツ州とミシガン。
ここはa続く視覚化説明するどうやっての犯罪レート
不定横切ってユナイテッド州。
として私たち見る、そこのは番号特定パターンとこれは全て以上の場所。
発見番号2。
使用するJMPとやっているaログ[聞こえない 00:07:57]
の上の変数、私たちできる基本的見るどれの変数持ってるもっと重要性。
の番号1だった武器所有し、続いたにリテラシーレート、
それから宗教割合、移民、人口密度、
との失業レート。
私考えるこれはaすごい発見、その間どれか政府体
またどれか組織欲求に割り当てる資力
いつでも彼らそれはしようとしているに減らすの犯罪レートまたしようとしているに分析するそれ。
の発見番号三はなにか本当面白い。
私たちのゴールだったに見るどうにかそこのそれは特定犯罪
どれのできるヘルプ我ら解決するいいえただそれ犯罪、
しかし多分他の犯罪なので良い。
どれのこれらは犯罪それはしようとしているに影響。
薬と武器だった1の彼ら。
私達できる見る薬と兵器持ってるaとても高い相関
という、盗難、強盗、殺人。
使用するaちー四角テスト、私たち鋸それの相関はとても高い。
そうの場合どれか組織だろう欲しいですに集中の上と始めると、
私考える薬と武器はaすごいカテゴリーどこ
彼らできる集中で為に減らす犯罪レートのどれか州また郡。
これはの続く地図見せている
の宗教レート、所持武器、とリテラシーレート、
との変化横切ってユナイテッド州。
もしも私たち置くそれとの犯罪レート、私たちできる見るa特定パターン
どれのは実際に説明したに私たちの回帰モデル。
今到来下にの含意、
どうやって私たちできる使用する私たちの分析にa本物-世界解決。
お気に入りのデータ設定私たち持ってる使用済み、と私たち持ってる接続済みに変数、
私たちだろう絶対欲しいですに仕事と政府、町とコミュニティ
なぜなら犯罪はaユニバーサル問題
とこれはなにかみんな欲求に減らす。
の戻す割り当てできるなれ終わりによるとにこれ、
とさらに遠く、これだろう結果のa下降の犯罪レート
との増加幸福ののコミュニティ。
役職-分析。
そこにはそれはa多くのものそれ私たちだろう欲しいですに含むの私たちの事業、
とこれはaすごい将来範囲なので良い。
初めもの、私たちだろう欲しいですに含むもっと変数
そのようななので天気、民族性とのリスト行きますの上。
私達できる絶対平聞くにの政府ボディと取った入力
為にこれらは変数から彼ら。
郡詳細なまたで少しでも街詳細。
私感じられるこれはすごいに始めると州-賢いデータ、
しかし私たちだろう絶対欲しいですに集中の上aもっと詳細なレベルの分析、
それでそれ私たちできる使用するこれらは結論にの本物世界
もっと明らかに、もっと正確にと私たちだろう持ってるaより良い影響なので良い。
のデータ時間フレーム。
右今私たち持ってる使用済みのデータからの年2014年。
私感じられるこれはを8年年データ設定。
私達だろう絶対欲しいですに使用するaもっと最新データ設定、
となにかそれはスパンニング以上aカップルの年、
それでそれそれ与える我ら明快さ。
以来COVIDもっている影響を受けた我らのa多くの方法、
とそれもっているかわったどうやって基本的命それは働くその周り我ら、
とそれでもっている犯罪レートとの仕方犯罪起こりましたもっているその間かわった。
私達だろう絶対欲しいですに集中役職COVID 、
と以上の過去2-三年、為にa役職-分析。
それは全てと感謝あなた。
