本书旨在探讨机器学习技术在触法未成年人犯罪危险性评估领域的基本理论、实施步骤和实现方法；通过对犯罪危险性评估的基本流程、原始数据资料的选择与整理、可靠性及有效性验证方法等内容的深入研究；通过具体示例，帮助读者全面了解机器学习各类算法在未成年人犯罪风险评估中的具体应用方法。
第1章 犯罪危险性评估的基本理论和发展
1.1 犯罪危险性评估
1.2 实施危险性评估的目的和意义
1.3 犯罪危险性评估工具的发展阶段
1.4 国内外研究现状
1.5 未成年人犯罪风险评估的必要性
第2章 未成年人犯罪风险评估的基本流程
2.1 基于数据分析技术的犯罪危险性评估流程框架
2.2 数据采集
2.3 数据清洗
2.4 数据抽取及征提取
2.5 数据分析及评判算法
第3章 原始数据资料的选择与整理
3.1 数据集的选择
3.2 原始数据资料的描述
3.3 组间数据差异检验
第4章 可靠性及有效性验证方法
4.1 可靠性验证方法
4.2 有效性验证方法
第5章 逻辑回归分析
5.1 逻辑回归的相关定义
5.2 二元逻辑回归模型构建步骤
5.3 逻辑回归的统计检验
5.4 回归系数和优势比
5.5 逻辑回归的应用
5.6 多项式逻辑回归
第6章 生存分析
6.1 生存分析基础概述
6.2 非参数估计法
6.3 半参数模型
6.4 生存分析法算法实施综合应用实例
第7章 贝叶斯分类器
7.1 贝叶斯的基础原理
7.2 朴素贝叶斯
7.3 半朴素贝叶斯
7.4 贝叶斯决策理论
第8章 决策树
8.1 决策树的基本理论
8.2 属性选择方法
8.3 CART算法
8.4 决策树剪枝策略
8.5 CHAID算法
第9章 集成学习
9.1 集成学习
9.2 随机森林
9.3 Adaboost算法
第10章 聚类分析和度量学习
10.1 K-Means聚类算法
10.2 K最近邻法
第11章 人工神经网络
11.1 人工神经网络基础理论
11.2 BP神经网络
11.3 自组织映射神经网络
参考文献
书单推荐
