我有这个 12 个月的犯罪数据集，超过 25 万行，我想按日期和地点预测未来的犯罪

Question

我有这个 250k 具有这些功能的数据集

    date_time       FullAddress             call_type priority   lat       long
0   6/14/17 21:54   10 14TH ST\, San Diego\, CA 1151    2.0 32.705449   -117.151870
1   3/29/17 22:24   10 14TH ST\, San Diego\, CA 1016    2.0 32.705449   -117.151870
2   6/3/17 18:04    10 14TH ST\, San Diego\, CA 1016    2.0 32.705449   -117.151870
3   3/17/17 10:57   10 14TH ST\, San Diego\, CA 1151    2.0 32.705449   -117.151870
4   3/3/17 23:45    10 15TH ST\, San Diego\, CA 911P    2.0 32.705722   -117.15035

日期和时间、完整地址、经纬度、电话类型和犯罪严重程度。 我想预测未来犯罪发生的时间或预测再次发生的地点。我怎样才能做到这一点，我会使用回归还是分类？我已经预测了优先级，但是我如何预测它会发生的时间或位置？

我预测了优先级，但并没有真正给我任何东西。我想预测时间和地点或两者之一。

这是我的优先级预测代码

from sklearn.ensemble import RandomForestClassifier
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
my_RandomForest = RandomForestClassifier(n_estimators=100, random_state=0)

my_RandomForest.fit(X_train, y_train)
y_predict_fr = my_RandomForest.predict(X_test)
from sklearn.metrics import accuracy_score
print(y_predict_fr)
accuracy_fr = accuracy_score(y_test, y_predict_fr)
print(accuracy_fr)

[4. 3. 2. ... 3. 1. 2.]
0.95100761598545

Answer 1

时间 - 是一个序列，为了预测你想要使用 RNN (wiki) 的序列（例如 LSTM）。详细的好书：link。

如果您只想在给定时间、类型和优先级的情况下预测位置（没有时间），您可以删除时间列，或者最好从列中提取新特征，例如星期几，并使用回归模型 (@987654323 @ 输出有 2 个单位）。预测位置坐标是回归问题，因为坐标是一个连续变量。

如果您想同时预测两者，我认为您应该通过 rnn 预测时间，然后通过回归模型预测位置。

视情况而定，如果您按市区表示位置特征，可能会更有用。

希望对您有所帮助。

Answer 2

对于位置，您需要为分类器创建一个分类 y 变量，可能通过将纬度/经度特征转换为邮政编码并为每个邮政编码分配一个整数（这相当于“优先级”）。