L’articolo è stato aggiunto alla lista dei desideri

Password

Ricordami

Hai dimenticato la password?

Prosegui come ospite

Dichiaro di aver letto ed accettato le Condizioni d’Uso del sito, Condizioni Generali di Vendita, Acquistare un prodotto come ospite, nonché l’Informativa Privacy, fornita ai sensi degli artt. 13 e 14 del Regolamento Europeo (UE) 679/2016.

Torna indietro

Verifica email È stata appena inviata una mail di verifica all’indirizzo

Questo passaggio aggiuntivo dimostra che sei tu che stai provando a proseguire come ospite.

Nome

Cognome

Password

Min. 6 caratteri ( A-Z, a-z, 0-9 e caratteri speciali . , - / @ _ ! )

Ripeti password

Verifica email L’indirizzo nome.cognome@mail.com non è presente nei nostri database come profilo ospite. Per maggiori dettagli contattare il servizio clienti

Abbina la tua carta Feltrinelli

Con la presente registrazione dichiaro di aver letto ed accettato le Condizioni d’Uso del sito, le Condizioni Generali di Vendita e l’Informativa Privacy fornita ai sensi degli artt. 13 e 14 del Regolamento Europeo (UE) 679/2016.

Autorizzo i Contitolari ad inviare direttamente comunicazioni commerciali su prodotti e servizi dei Contitolari, società del Gruppo Feltrinelli e partner commerciali, a mezzo di sistemi automatizzati via e-mail, sms o simili e a mezzo del servizio postale, così come descritto all’art. 3 lett. e) dell’informativa privacy.

Autorizzo i Contitolari a migliorare ed accrescere la capacità di adeguare l’offerta complessiva dei Contitolari alle esigenze dell’Utente, mediante comunicazioni commerciali ed offerte promozionali personalizzate basate sulla profilazione, così come descritto all’art. 3 lett. f) dell’informativa privacy.

Autorizzo i Contitolari a comunicare e cedere i dati a società del Gruppo Feltrinelli e/o a partner commerciali attivi nei settori di editoria, cinema, musica, intrattenimento, nonché ulteriori terze parti appartenenti alle categorie indicate nell’informativa, per l’invio di comunicazioni commerciali effettuate da parte di questi soggetti, così come descritto all’art. 3 lett. g) dell’informativa privacy.

Benvenuto in Feltrinelli,

Riceverai una mail di conferma all’indirizzo

Raccontaci qualcosa in più su di te

oppure

Verifica email È stata appena inviata una mail di verifica all’indirizzo

Questo passaggio aggiuntivo dimostra che sei tu che stai provando a proseguire come ospite.

;

Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen

EBOOK IN LINGUA STRANIERA

Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen

di Daniel Haake (Autore)

Springer Gabler, 2022

Recensioni: 0/5

(0)

Grazie per la tua recensione!

Tra poche ore la vedrai online (in caso contrario verifica la conformità del testo alle nostre linee guida). Dopo la pubblicazione per te +4 punti Effe

48,14 € +480 punti Effe

Venditore: Feltrinelli

Acquisto online

Scaricabile subito

Articolo acquistabile con Carta del Docente

Articolo acquistabile con Carta Cultura Giovani e Carta del Merito

Dati e Statistiche

Salvato in 0 liste dei desideri

Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen

Scaricabile subito

48,14 €

Scaricabile subito

Altre offerte vendute e spedite dai nostri venditori

Ebook in lingua straniera Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen

di Daniel Haake

Altri venditori

Prezzo e spese di spedizione

Nuovo

scaricabile subito

Venduto e spedito da Feltrinelli

Spedizione Gratis

48,14 €

Vai alla scheda completa

Altri venditori

Prezzo e spese di spedizione

Nuovo

scaricabile subito

Venduto e spedito da Feltrinelli

Spedizione Gratis

48,14 €

Vai alla scheda completa

Altri venditori

Prezzo e spese di spedizione

Descrizione

Das Buch beschäftigt sich mit der Möglichkeit der Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Verfahren. Die Analyse beschränkt sich auf die Fragestellung, ob nach einem erfolgten Wohnungseinbruch mit einer Nachfolgetat, den sog. Near-Repeats, zu rechnen ist. Dabei wird untersucht, welche Faktoren zu guten Prognoseergebnissen beitragen. Zur Verfügung stehen Daten zu Wohnungseinbrüchen aus Baden-Württemberg aus den Jahren 2010 bis 2017. Ergänzt werden die polizeilichen Daten um geografische Daten, die den Tatort beschreiben. Hiermit wird geprüft, ob kriminalgeografische Faktoren gute Indikatoren zur Prognose von Wohnungseinbrüchen, genauer gesagt Near-Repeats, darstellen. Als Machine-Learning-Verfahren kommen die Verfahren Random Forest, XGBoost, Support Vector Machines, Neuronale Netze und ein Soft-Voting der Modelle zum Einsatz. Mit Hilfe dieser Verfahren kann eine Präzision der Prognosen von über 60% erreicht werden. Es wird außerdem erstmalig gezeigt, dass auch Prognosen für den ländlichen Raum möglich sind.

Leggi di più Leggi di meno

Dettagli

Autore:

Daniel Haake

Anno edizione:

2022

Editore:

Springer Gabler

Formato:

EPUB3 con Adobe DRM

Testo in TED

Compatibilità:

Tutti i dispositivi (eccetto Kindle) Scopri di più

Layout:

Reflowable

EAN:

9783658376604

Compatibilità

Formato:

Gli eBook venduti da Feltrinelli.it sono in formato ePub e possono essere protetti da Adobe DRM. In caso di download di un file protetto da DRM si otterrà un file in formato .acs, (Adobe Content Server Message), che dovrà essere aperto tramite Adobe Digital Editions e autorizzato tramite un account Adobe, prima di poter essere letto su pc o trasferito su dispositivi compatibili.

Scopri di più

Compatibilità:

Gli eBook venduti da Feltrinelli.it possono essere letti utilizzando uno qualsiasi dei seguenti dispositivi: PC, eReader, Smartphone, Tablet o con una app Kobo iOS o Android.

Scopri di più

Cloud:

Gli eBook venduti da Feltrinelli.it sono sincronizzati automaticamente su tutti i client di lettura Kobo successivamente all’acquisto. Grazie al Cloud Kobo i progressi di lettura, le note, le evidenziazioni vengono salvati e sincronizzati automaticamente su tutti i dispositivi e le APP di lettura Kobo utilizzati per la lettura.

Scopri di più

Clicca qui per sapere come scaricare gli ebook utilizzando un pc con sistema operativo Windows

L’articolo è stato aggiunto alla lista dei desideri

Prognose von Wohnungseinbrüchen mit Hilfe von Machine-Learning-Algorithmen

Descrizione

Dettagli

Compatibilità

Formato:

Compatibilità:

Cloud:

Questo prodotto lo trovi anche