刑事司法系统再犯风险预测数据集CriminalJusticeSystemRecidivismRiskPrediction-fpoeben
数据来源：互联网公开数据
标签：再犯风险, 刑事司法, 预测模型, 机器学习, 公民安全, 数据挖掘, 社会科学, COMPAS评分
数据概述：
该数据集包含来自刑事司法系统的数据，记录了被逮捕者的个人信息、犯罪记录、COMPAS（Correctional Offender Management Profiling for Alternative Sanctions，惩教罪犯管理评估系统）评分以及再犯情况。主要特征如下：
时间跨度：数据未明确标明具体时间，可视为一段时间内的横截面数据。
地理范围：数据覆盖范围未明确，但数据集包含种族信息，推测可能来自美国司法系统。
数据维度：数据集包含年龄、犯罪记录（如少年重罪、轻罪、其他犯罪数量，以及过往犯罪次数）、再犯情况（是否再犯）、性别、种族、控罪等级以及COMPAS评分等多个维度的数据。
数据格式：CSV格式，包含两个文件：recidivism-risk.csv 和 recidivism-risk-predict.csv，分别包含用于训练和预测的数据。其中recidivism-risk-predict.csv缺少COMPAS评分。
来源信息：数据集来源于公开数据，具体来源未明确说明，但数据已进行结构化处理，便于分析。
该数据集适合用于刑事司法领域再犯风险预测模型的研究与应用。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于社会科学、犯罪学、数据挖掘等领域的学术研究，如再犯风险预测模型的构建与评估、不同因素对再犯的影响分析、COMPAS评分的公正性评估等。
行业应用：可以为刑事司法系统、假释委员会、缓刑机构等提供数据支持，用于风险评估、刑期管理、资源分配优化等。
决策支持：支持司法系统相关决策的制定，例如量刑、假释、缓刑的决策，以及针对不同风险人群的干预措施的制定。
教育和培训：作为刑事司法、数据分析、机器学习等相关课程的实训数据，帮助学生和研究人员深入理解再犯风险预测模型。
此数据集特别适合用于探索影响再犯风险的关键因素，构建和评估预测模型，以及分析COMPAS评分的准确性和公平性，从而为司法系统的改进提供数据支持。
