Tipificação de Ocorrências Policiais Utilizando Machine Learning
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Outros Autores: | |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UCSAL |
Texto Completo: | http://ri.ucsal.br:8080/jspui/handle/prefix/880 |
Resumo: | A segurança pública é um dos principais pilares para a sociedade, influenciando diretamente na qualidade de vida do cidadão. Ultimamente esta área vem recebendo um grande foco na questão de investimento, como Ballesteros (2014) diz em seu artigo, grande parte deste valor vem sendo destinado a automatização de processos. Nesse contexto, a tecnologia entra para dar apoio em diversas atividades rotineiras, tornando-as mais eficientes por meio de uma melhor gestão de seus recursos. Com isso foi proposto neste trabalho o uso de algoritmos de aprendizado de máquina, para tipificar de forma automática ocorrências policiais. Foi utilizada uma base de dados com registros policiais e dela foram retiradas algumas amostras para a realização de validação. Para essa tarefa foram selecionados os algoritmos C4.5, CART, KNN, SVM, Rede Neural, Ripper e Random Forest. Os resultados obtidos indicaram que o C4.5 e o Ripper tiveram a melhor acurácia, chegando a 99% em determinados testes. Em um teste a aplicação do coeficiente de correlação de Matthews e do F1 score chegaram a 0,89 e 0,94 nessa ordem. |
id |
UCSAL-1_7271fe871d4411551e1ce96a8a87e058 |
---|---|
oai_identifier_str |
oai:magneto.ucsal.br:prefix/880 |
network_acronym_str |
UCSAL-1 |
network_name_str |
Repositório Institucional da UCSAL |
repository_id_str |
|
spelling |
2019-08-01T16:59:18Z2019-08-012019-08-01T16:59:18Z2019-06-18http://ri.ucsal.br:8080/jspui/handle/prefix/880A segurança pública é um dos principais pilares para a sociedade, influenciando diretamente na qualidade de vida do cidadão. Ultimamente esta área vem recebendo um grande foco na questão de investimento, como Ballesteros (2014) diz em seu artigo, grande parte deste valor vem sendo destinado a automatização de processos. Nesse contexto, a tecnologia entra para dar apoio em diversas atividades rotineiras, tornando-as mais eficientes por meio de uma melhor gestão de seus recursos. Com isso foi proposto neste trabalho o uso de algoritmos de aprendizado de máquina, para tipificar de forma automática ocorrências policiais. Foi utilizada uma base de dados com registros policiais e dela foram retiradas algumas amostras para a realização de validação. Para essa tarefa foram selecionados os algoritmos C4.5, CART, KNN, SVM, Rede Neural, Ripper e Random Forest. Os resultados obtidos indicaram que o C4.5 e o Ripper tiveram a melhor acurácia, chegando a 99% em determinados testes. Em um teste a aplicação do coeficiente de correlação de Matthews e do F1 score chegaram a 0,89 e 0,94 nessa ordem.Public safety is one of the main pillars for society that directly influence the citizens quality of life. Lately this area has been receiving a great focus on the investment issue, as Ballesteros (2014) says his article, much of this value has been destined to process automation. In this context, technology enters to support various routine activities, making them more efficient through better management of their resources. With that, it was suggested in this assignment the use of machine learning algorithms, to automatically typify police occurrences. It was used a base of data with police records and from it some samples were taken for validation. For this tests were selected the algorithms C4.5, CART, KNN, SVM, Rede Neural, Ripper and Random Forest. The results gotten, indicated that the C4.5 and the Ripper had the best accuracy, becoming until 99% in some tests. In a test, the application of the coefficient of correlation of Matthews and of F1 score, reached 0.89 and 0.94 in that order.Submitted by LAURA GABRIELA SILVA SANTOS (laura.santos@ucsal.br) on 2019-08-01T16:59:18Z No. of bitstreams: 1 TCCMATHEUSEJUAN.pdf: 888597 bytes, checksum: 59f57511b21168972ade597ef7a70918 (MD5)Made available in DSpace on 2019-08-01T16:59:18Z (GMT). No. of bitstreams: 1 TCCMATHEUSEJUAN.pdf: 888597 bytes, checksum: 59f57511b21168972ade597ef7a70918 (MD5) Previous issue date: 2019-06-18porUniversidade Catolica de SalvadorUCSALBrasilPró-Reitoria de Graduação (PROGRAD)Ciências Exatas e EngenhariasAprendizado de máquinaOcorrência policialClassificaçãoMachine learningPolice reportClassificationTipificação de Ocorrências Policiais Utilizando Machine Learninginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisReis, Marcelo Indio doslattes.cnpq.brReis, Marcelo Indio doslattes.cnpq.brMelo, Osvaldo Requiãolattes.cnpq.brAquino, Pamela Arielle Brito delattes.cnpq.brlattes.cnpq.brAmorim, Matheus da SilvaPereira, Juan Ribeiro Silvainfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UCSALinstname:Universidade Católica de Salvador (UCSAL)instacron:UCSALLICENSElicense.txtlicense.txttext/plain; charset=utf-81866http://ri.ucsal.br:8080/bitstream/prefix/880/2/license.txt43cd690d6a359e86c1fe3d5b7cba0c9bMD52ORIGINALTCCMATHEUSEJUAN.pdfTCCMATHEUSEJUAN.pdfapplication/pdf888597http://ri.ucsal.br:8080/bitstream/prefix/880/1/TCCMATHEUSEJUAN.pdf59f57511b21168972ade597ef7a70918MD51Juan_Matheus (anexos).zipJuan_Matheus (anexos).zipapplication/zip3070http://ri.ucsal.br:8080/bitstream/prefix/880/3/Juan_Matheus%20%28anexos%29.zip24ecf7907e842b228948a90ddeba4895MD53prefix/8802019-09-11 15:09:27.998oai:magneto.ucsal.br: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ório de Publicaçõeshttp://ri.ucsal.br:8080/oai/requestopendoar:2019-09-11T18:09:27Repositório Institucional da UCSAL - Universidade Católica de Salvador (UCSAL)false |
dc.title.pt_BR.fl_str_mv |
Tipificação de Ocorrências Policiais Utilizando Machine Learning |
title |
Tipificação de Ocorrências Policiais Utilizando Machine Learning |
spellingShingle |
Tipificação de Ocorrências Policiais Utilizando Machine Learning Amorim, Matheus da Silva Ciências Exatas e Engenharias Aprendizado de máquina Ocorrência policial Classificação Machine learning Police report Classification |
title_short |
Tipificação de Ocorrências Policiais Utilizando Machine Learning |
title_full |
Tipificação de Ocorrências Policiais Utilizando Machine Learning |
title_fullStr |
Tipificação de Ocorrências Policiais Utilizando Machine Learning |
title_full_unstemmed |
Tipificação de Ocorrências Policiais Utilizando Machine Learning |
title_sort |
Tipificação de Ocorrências Policiais Utilizando Machine Learning |
author |
Amorim, Matheus da Silva |
author_facet |
Amorim, Matheus da Silva Pereira, Juan Ribeiro Silva |
author_role |
author |
author2 |
Pereira, Juan Ribeiro Silva |
author2_role |
author |
dc.contributor.advisor1.fl_str_mv |
Reis, Marcelo Indio dos |
dc.contributor.advisor1Lattes.fl_str_mv |
lattes.cnpq.br |
dc.contributor.referee1.fl_str_mv |
Reis, Marcelo Indio dos |
dc.contributor.referee1Lattes.fl_str_mv |
lattes.cnpq.br |
dc.contributor.referee2.fl_str_mv |
Melo, Osvaldo Requião |
dc.contributor.referee2Lattes.fl_str_mv |
lattes.cnpq.br |
dc.contributor.referee3.fl_str_mv |
Aquino, Pamela Arielle Brito de |
dc.contributor.referee3Lattes.fl_str_mv |
lattes.cnpq.br |
dc.contributor.authorLattes.fl_str_mv |
lattes.cnpq.br |
dc.contributor.author.fl_str_mv |
Amorim, Matheus da Silva Pereira, Juan Ribeiro Silva |
contributor_str_mv |
Reis, Marcelo Indio dos Reis, Marcelo Indio dos Melo, Osvaldo Requião Aquino, Pamela Arielle Brito de |
dc.subject.cnpq.fl_str_mv |
Ciências Exatas e Engenharias |
topic |
Ciências Exatas e Engenharias Aprendizado de máquina Ocorrência policial Classificação Machine learning Police report Classification |
dc.subject.por.fl_str_mv |
Aprendizado de máquina Ocorrência policial Classificação Machine learning Police report Classification |
description |
A segurança pública é um dos principais pilares para a sociedade, influenciando diretamente na qualidade de vida do cidadão. Ultimamente esta área vem recebendo um grande foco na questão de investimento, como Ballesteros (2014) diz em seu artigo, grande parte deste valor vem sendo destinado a automatização de processos. Nesse contexto, a tecnologia entra para dar apoio em diversas atividades rotineiras, tornando-as mais eficientes por meio de uma melhor gestão de seus recursos. Com isso foi proposto neste trabalho o uso de algoritmos de aprendizado de máquina, para tipificar de forma automática ocorrências policiais. Foi utilizada uma base de dados com registros policiais e dela foram retiradas algumas amostras para a realização de validação. Para essa tarefa foram selecionados os algoritmos C4.5, CART, KNN, SVM, Rede Neural, Ripper e Random Forest. Os resultados obtidos indicaram que o C4.5 e o Ripper tiveram a melhor acurácia, chegando a 99% em determinados testes. Em um teste a aplicação do coeficiente de correlação de Matthews e do F1 score chegaram a 0,89 e 0,94 nessa ordem. |
publishDate |
2019 |
dc.date.accessioned.fl_str_mv |
2019-08-01T16:59:18Z |
dc.date.available.fl_str_mv |
2019-08-01 2019-08-01T16:59:18Z |
dc.date.issued.fl_str_mv |
2019-06-18 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://ri.ucsal.br:8080/jspui/handle/prefix/880 |
url |
http://ri.ucsal.br:8080/jspui/handle/prefix/880 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Catolica de Salvador |
dc.publisher.initials.fl_str_mv |
UCSAL |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Pró-Reitoria de Graduação (PROGRAD) |
publisher.none.fl_str_mv |
Universidade Catolica de Salvador |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UCSAL instname:Universidade Católica de Salvador (UCSAL) instacron:UCSAL |
instname_str |
Universidade Católica de Salvador (UCSAL) |
instacron_str |
UCSAL |
institution |
UCSAL |
reponame_str |
Repositório Institucional da UCSAL |
collection |
Repositório Institucional da UCSAL |
bitstream.url.fl_str_mv |
http://ri.ucsal.br:8080/bitstream/prefix/880/2/license.txt http://ri.ucsal.br:8080/bitstream/prefix/880/1/TCCMATHEUSEJUAN.pdf http://ri.ucsal.br:8080/bitstream/prefix/880/3/Juan_Matheus%20%28anexos%29.zip |
bitstream.checksum.fl_str_mv |
43cd690d6a359e86c1fe3d5b7cba0c9b 59f57511b21168972ade597ef7a70918 24ecf7907e842b228948a90ddeba4895 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UCSAL - Universidade Católica de Salvador (UCSAL) |
repository.mail.fl_str_mv |
|
_version_ |
1767328119267524608 |