ارزیابی روش‌های مختلف داده کاوی در پیش بینی جرایم مواد مخدر

چکیده

مواد مخدر و شیوع آن در جوامع چنان گسترده و متنوع شده است که دست­اندرکاران امور مبارزه با این معضل را بر آن داشته تا با بهره­گیری از نظام حقوقی و قضایی به مقابله با آن مبادرت ورزند از این رو کم­کم بحث از پیش­بینی وارد چرخه­ی نظام کیفری شده است و در این راستا نظام کیفری با داده­کاوی تلاش نموده است تا نوعی سیاست پیشگیرانه در جهت مقابله با مواد مخدر اتخاذ نماید از این رو اهمیت استفاده از داده کاوی در آن است که فرآیند پیش بینی جرایم مواد مخدر، یک مسئله دسته بندی بوده که در آن، ویژگی‌های مختلف به کشف دانش مخفی بکار گرفته می­شود. در اصل این دانش یک سیستم دسته بندی بوده که برای تشخیص خودکار نوع افراد با سابقه جرم کاربرد دارد از این رو مقاله حاضر تلاش نموده است تا با بهره گیری از روش تحقیق توصیفی - تحلیلی و از نوع پیمایشی کمی با جامعۀ آماری مورد استفاده در این پژوهش، در سال 1396-97 از پرونده‌های قضایی مجرمان موجود در اجرای احکام شهرستان شهریار فیش برداری و به صورت یک پیکره داده‌ای منحصر به فرد ارائه نماید ویژگی‌های مختلف جمع آوری شده را در ابتدا به دو کلاس افراد بدون سابقه جرم و دارای سابقه جرم تقسیم کرد. الگوریتم‌های مطرح شده در این تحقیق شامل پرسپترون چند لایه، لجستیک، درخت تصمیم، بیز ساده و جی 48 و شبکه خودسازمان ده که با نرم افزار ویکا تجزیه و تحلیل داده انجام شد یافته­های مقاله نشان می­دهد که اولا، الگوریتم طبقه‌بندی کننده بیز ساده نسبت به سایر الگوریتم از دقت و کارایی بهتری برخوردار بود. البته میزان دقت بدست امده به وسیله سایر الگوریتم‌ها از صحت بالایی برخورد دار بوده که این صحت بالا، کیفیت ویژگی‌ها را  نشان می‌دهد ثانیا؛ روش‌های داده کاوی می‌تواند نقش بسیار مهمی در پیش بینی جرایم مربوط به مواد مخدر داشته باشد. با توجه به نتایج حاصل از این مقاله می‌توان بیان کرد که از راه‌های اصلی پیش بینی جرم، کشف الگوی ارتکاب جرم است که داده کاوی تا حد قابل قبولی این امکان را برای ما فراهم کرده است.