A Penalized Likelihood Method for Balancing Accuracy and Fairness in Predictive Policing
A Penalized Likelihood Method for Balancing Accuracy and Fairness in Predictive Policing
复制标题
平衡预测警务准确性和公平性的惩罚似然法
DOI：
10.1109/smc.2018.00421
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
Brantingham, Jeffrey
中科院分区：
文献类型：
--
作者：
Mohler, George;Raje, Rajeev;Carter, Jeremy;Valasik, Matthew;Brantingham, Jeffrey
预测警务算法的种族偏见一直是最近研究的焦点，在霍克斯过程的情况下，反馈回路是可能的，其中有偏见的逮捕通过自我激励被放大，导致热点形成和少数群体的进一步逮捕。在这篇文章中，我们开发了一个惩罚似然法引入公平的犯罪点过程模型。特别是，我们增加了一个惩罚条款的似然函数，鼓励警察巡逻的数量由几个人口群体中的每一个，以该群体在总人口中的代表性成比例。我们将我们的模型应用于印第安纳波利斯的历史犯罪事件数据，并在几个犯罪类别中衡量这两种方法的公平性和准确性。我们表明，公平性可以引入到犯罪的点过程模型，使巡逻水平成比例地匹配人口统计，但在成本的算法的准确性降低。
Racial bias of predictive policing algorithms has been the focus of recent research and, in the case of Hawkes processes, feedback loops are possible where biased arrests are amplified through self-excitation, leading to hotspot formation and further arrests of minority populations. In this article we develop a penalized likelihood approach for introducing fairness into point process models of crime. In particular, we add a penalty term to the likelihood function that encourages the amount of police patrol received by each of several demographic groups to be proportional to the representation of that group in the total population. We apply our model to historical crime incident data in Indianapolis and measure the fairness and accuracy of the two approaches across several crime categories. We show that fairness can be introduced into point process models of crime so that patrol levels proportionally match demographics, though at a cost of reduced accuracy of the algorithms.
登录
查看更多内容
拦截和凝视：新警务中的街头拦截、监视和竞赛
DOI：
--
发表时间：
2016
期刊：
影响因子：
--
作者：
J. Fagan;A. Braga;Rod K. Brunson;April Pattavina
通讯作者：
April Pattavina
警察拦截中的种族定性和武力使用：当地事件如何引发歧视加剧的时期1
影响因子：
4.4
作者：
Joscha Legewie
通讯作者：
Joscha Legewie
引擎盖里的警察：我在巴尔的摩东区治安的一年
DOI：
--
发表时间：
2008
期刊：
影响因子：
--
作者：
Peter C. Moskos
通讯作者：
Peter C. Moskos
街道守则：内城的正派、暴力和道德生活
影响因子：
5.3
作者：
Elijah Anderson
通讯作者：
Elijah Anderson
预测警务中失控的反馈循环
DOI：
--
发表时间：
2018
期刊：
and Transparency
影响因子：
--
作者：
Ensign, Danielle;Friedler, Sorelle A.;Neville, Scott;Scheidegger, Carlos;Venkatasubramanian, Suresh
通讯作者：
Venkatasubramanian, Suresh