jarrydmartinx/recid

--- dataset_info: features: - name: black dtype: int64 - name: alcohol dtype: int64 - name: drugs dtype: int64 - name: super dtype: int64 - name: married dtype: int64 - name: felon dtype: int64 - name: workprg dtype: int64 - name: property dtype: int64 - name: person dtype: int64 - name: priors dtype: int64 - name: educ dtype: int64 - name: rules dtype: int64 - name: age dtype: int64 - name: tserved dtype: int64 - name: follow dtype: int64 - name: event_time dtype: int64 - name: event_indicator dtype: int64 splits: - name: train num_bytes: 196520 num_examples: 1445 download_size: 27921 dataset_size: 196520 --- # Dataset Card for "recid" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)数据集信息： 特征字段： - 特征名：黑人（black），数据类型：int64 - 特征名：酗酒史（alcohol），数据类型：int64 - 特征名：吸毒史（drugs），数据类型：int64 - 特征名：监管状态（super），数据类型：int64 - 特征名：婚姻状况（married），数据类型：int64 - 特征名：重罪犯身份（felon），数据类型：int64 - 特征名：就业培训项目参与情况（workprg），数据类型：int64 - 特征名：财产犯罪史（property），数据类型：int64 - 特征名：个人信息（person），数据类型：int64 - 特征名：前科次数（priors），数据类型：int64 - 特征名：受教育年限（educ），数据类型：int64 - 特征名：监管规则违反次数（rules），数据类型：int64 - 特征名：年龄（age），数据类型：int64 - 特征名：服刑时长（tserved），数据类型：int64 - 特征名：随访时长（follow），数据类型：int64 - 特征名：事件发生时间（event_time），数据类型：int64 - 特征名：事件发生指示器（event_indicator），数据类型：int64 数据集划分： - 划分名称：训练集（train），数据字节量：196520，样本数量：1445 下载大小：27921 数据集总存储大小：196520 # “累犯（recid）”数据集卡片 [需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集特征

• black：数据类型为 int64
• alcohol：数据类型为 int64
• drugs：数据类型为 int64
• super：数据类型为 int64
• married：数据类型为 int64
• felon：数据类型为 int64
• workprg：数据类型为 int64
• property：数据类型为 int64
• person：数据类型为 int64
• priors：数据类型为 int64
• educ：数据类型为 int64
• rules：数据类型为 int64
• age：数据类型为 int64
• tserved：数据类型为 int64
• follow：数据类型为 int64
• event_time：数据类型为 int64
• event_indicator：数据类型为 int64

数据集划分

• train：包含1445个样本，数据集大小为196520字节

数据集大小

• 下载大小：27921字节
• 数据集总大小：196520字节

搜集汇总

数据集介绍

构建方式

在刑事司法研究领域，数据集的构建往往依赖于对历史案例的系统性整理。该数据集通过收集并结构化1445个样本的个体特征与行为记录，涵盖了种族、物质使用、婚姻状况、犯罪前科、教育水平及服刑时间等16个关键变量。每个样本均以数值形式编码，确保了数据的可量化分析，同时通过事件时间与事件指示器字段，为生存分析提供了基础。数据集的构建过程注重变量的全面性与一致性，为研究再犯风险提供了多维度的观察视角。

特点

该数据集的特点体现在其专注于再犯预测的生存分析框架。变量设计涵盖了社会人口学特征、犯罪历史及行为因素，如种族、毒品使用、前科数量等，能够全面反映个体风险轮廓。事件时间与事件指示器的引入，使得数据集支持时间至事件的分析方法，适用于评估再犯风险的动态变化。数据以结构化表格形式呈现，便于机器学习模型的直接应用，同时样本量适中，兼顾了分析的深度与计算效率。

使用方法

在应用该数据集时，研究者可将其导入数据分析环境，如Python的Pandas或R语言，进行探索性分析与模型训练。数据集适用于逻辑回归、生存分析模型或机器学习算法，以预测个体再犯概率或分析风险因素的时间效应。使用前需检查数据完整性，并考虑变量间的共线性问题。通过划分训练集与测试集，可评估模型的泛化性能，为刑事司法政策制定提供实证依据。

背景与挑战

背景概述

在刑事司法与犯罪学领域，准确预测累犯风险对于制定有效的矫正政策至关重要。数据集'jarrydmartinx/recid'应运而生，其创建旨在通过结构化数据，探索个体特征与再犯罪行为之间的复杂关联。该数据集收录了包括种族、物质滥用史、婚姻状况、犯罪前科及教育水平等多维度特征，并引入了生存分析中的事件时间与指示变量，为量化累犯风险提供了实证基础。尽管具体创建时间与主要研究人员信息在现有资料中尚未明确，但其核心研究问题聚焦于利用机器学习模型评估再犯罪概率，从而辅助司法决策，对推动犯罪预测模型的透明化与公平性具有潜在影响力。

当前挑战

该数据集所针对的累犯预测问题，本身面临着多重挑战：刑事司法数据常隐含社会偏见，如种族或社会经济因素可能被模型误读为因果关联，导致预测结果加剧系统性不公；同时，累犯事件受到法律变动、社会环境等未观测变量的干扰，使得模型泛化能力受限。在构建过程中，挑战同样显著：特征选择需平衡隐私保护与研究需求，例如敏感属性如种族或药物使用记录的收集可能引发伦理争议；数据完整性亦成问题，司法记录常存在缺失或不一致，需通过复杂预处理确保可靠性，这对数据集的代表性与实用性构成了直接考验。

常用场景

经典使用场景

在刑事司法与社会科学领域，jarrydmartinx/recid数据集为研究累犯预测提供了关键实证基础。该数据集通过整合个体的人口统计学特征、犯罪历史、行为模式及社会干预记录，构建了一个多维度的生存分析框架。经典使用场景聚焦于利用Cox比例风险模型或机器学习算法，评估不同因素对累犯风险的时序影响，从而揭示再犯行为的动态规律。

实际应用

在实际应用中，该数据集被司法部门用于优化假释与监督决策系统。通过分析个体特征与累犯风险的关联，可构建风险评分工具，辅助法官和假释官进行个性化评估。同时，社会服务机构利用其识别高风险群体，针对性分配康复资源，如物质滥用治疗或职业培训，从而降低再犯率并提升公共安全。

衍生相关工作

基于此数据集衍生的经典工作包括对种族偏见的量化研究，例如探究‘black’变量在预测模型中的公平性影响。此外，学者们开发了融合时变协变量的深度学习生存模型，提升了长期预测的准确性。这些研究进一步拓展至政策模拟领域，评估不同司法改革方案对累犯率的潜在效应。