随着我国社区矫正相关政策的不断推进和各类业务信息系统应用的深入,机器学习算法在社区服刑人员的历史数据上开展各种研究和应用逐渐成为可能。其中,如何利用历史数据实现对社区矫正人员的危险性评估是最具有现实意义的一个。本文依托社区矫正真实数据提出了一种基于随机森林的社区矫正人员危险性评估技术,评估内容包含对社矫人员在矫正期间是否会发生脱管和是否会发生再犯罪的分类预测,并将该危险性评估技术应用到司法部社区矫正信息管理系统中,主要研究内容如下:(1)针对当前社区矫正人员数据量庞大、杂乱不规范、涉及的敏感信息多等实际问题,对社区矫正人员的脱管和再犯罪数据集进行预处理,具体过程为:1.对脱管数据集和再犯罪数据集分别做数据特征的筛选与敏感数据剔除,对数据做离散化转换和数据修正;2.利用OOB(袋外数据)对社区矫正人员的脱管数据集和再犯罪数据集进行特征选择,得到与脱管和再犯罪预测相关性最大的数据集。(2)提出基于随机森林的社区矫正人员危险性评估技术并在实际生产环境中落地。通过利用历史数据建立分类预测模型,对新增的社区矫正人员在矫正期间是否会发生脱管(再犯罪)进行预测。针对数据集中的类别不平衡问题使用随机均衡抽样方法得到训练数据,再用随机森林得到危险性评估模型,利用预测模型标记语言(PMML)实现评估模型在Java生产环境中的应用。(3)在全国社区矫正信息管理系统中设计并实现集数据汇集、数据统计、数据挖掘于一体的社区矫正人员危险性评估模块,展示实现效果;对危险性评估模型进行实验并分析结果,验证本文提出的社区矫正人员危险性评估技术的预测能力和实践效果。