6.  범죄 예측에서 머신러닝 방법이 기존 통계 모델을 능가하는가? 로지스틱 회귀와 신경망 모델 비교 연구 

범죄자의 초기 범죄 가능성과 재범 위험을 정확히 예측하는 것은 제한된 자원을 효율적으로 활용하고 공공 안전 정책을 설계하는 데 중요하지만, 전통적 통계 모델의 예측 정확도는 낮고 한계가 있습니다. 최근 머신러닝 기법은 비선형성 처리, 복잡한 상호작용 탐색 등에서 장점이 있으나, 기존 연구에서는 항상 전통 모델을 능가하지는 않는 것으로 나타났습니다.

이에 본 연구는 신경망(NN) 알고리즘이 전통적 로지스틱 회귀(LR)보다 범죄 예측에서 우수한지 평가하고, 최적 튜닝 파라미터와 클래스 불균형 보정 방법을 적용하여 두 모델을 비교 분석합니다. 또한 학계와 실무자 모두 이해할 수 있도록 두 모델의 논리 구조와 최적화 과정을 상세히 제시합니다.