基于机器学习和脆弱国家指数的全球恐怖袭击预测研究

摘要

恐怖袭击在全球范围内频发,针对恐怖袭击的预警及防控研究十分必要.利用2006-2016年脆弱国家指数及全球恐怖主义数据库(GTD),基于多种机器学习模型,对全球各国家遭受恐怖袭击的风险进行回归预测.结果 表明,随机森林、K近邻及决策树模型表现最优,其拟合优度的确定系数R2达到了0.75、0.74和0.67.随机森林预测结果总体符合实际情况,尤其在恐怖袭击高发的中东和中亚地区预测较为准确.根据特征重要性排序结果,安全机构、公共服务、人权法治和集团之间的矛盾对预测结果的刻画能力最强.