ПРОГНОЗИРОВАНИЕ КОЛИЧЕСТВА КОРРУПЦИОННЫХ ПРЕСТУПЛЕНИЙ В КАЗАХСТАНЕ: ПОДХОД НА ОСНОВЕ МАШИННОГО ОБУЧЕНИЯ

Данное исследование направлено на прогнозирование количества коррупционных преступлений в Казахстане с использованием методов машинного обучения. Анализ основан на официальных ежемесячных данных о преступности, собранных с портала правовой статистики, в частности данных из отчета № 3-К, который фиксирует случаи коррупционных преступлений с 2016 г. Были применены три регрессионные модели: метод k ближайших соседей (kNN), градиентный бустинг (XGBoost) и линейная регрессия. Оценка моделей проведена по метрикам средняя абсолютная ошибка (MAE), среднеквадратичная ошибка (MSE) и коэффициент детерминации (R²). Результаты показали, что линейная регрессия достигла наивысшей точности прогнозирования (R² = 1.000), за ней следуют XGBoost (R² = 0.9977) и kNN (R² = 0.9333). Эти данные подтверждают, что модели машинного обучения могут эффективно предсказывать динамику коррупционных преступлений. Исследование демонстрирует потенциал машинного обучения в прогнозировании коррупционных преступлений. В дальнейшем можно изучить дополнительные предикторы, протестировать альтернативные модели и интегрировать анализ с потоковыми данными для повышения точности прогнозирования.

1. Transparency International, 2023 corruption perceptions index: Explore the [Online]. Available: https://www.transparency.org/en/cpi/2023/. [Accessed: Mar. 11, 2025].

2. Government of Kazakhstan, Anti-corruption policy concept of the Republic of Kazakhstan for 2022–2026 [Online]. Available: https://www.gov.kz/memleket/entities/anticorruption/activities/17527?lang=en. [Accessed: Mar. 11, 2025].

3. Prosecutor General of Kazakhstan, Order of the prosecutor general of Kazakhstan on approval of the report form No. 3-K. [Online]. Available: https://adilet.zan.kz/rus/docs/V1600014126. [Accessed: Mar. 11, 2025].

4. Ministry of Digital Development, Innovations and Aerospace Industry of Kazakhstan, The digitalization against corruption [Online]. Available: https://www.gov.kz/memleket/entities/mdai/press/article/details/139736?lang=ru. [Accessed: Mar. 11, 2025].

5. Ash E., Galletta S., and T. Giommoniю A machine learning approach to analyze and support anticorruption policy [Online]. Available: https://www.RePEc.org. [Accessed: Mar. 11, 2025].

6. U4 Anti-Corruption Resource Centreю Artificial intelligence – a promising anti-corruption tool in development settings? [Online]. Available: https://www.u4.no/publications/artificial-intelligence-a-promisinganti-corruption-tool-in-development-settings. [Accessed: Mar. 11, 2025].

7. Köbis N., Starke C., and I. Rahwanю Int. Journal of Anticorruption Researchб 2021, vol. 5, pp. 89–102. https://doi.org/10.48550/arXiv.2102.11567.

8. Lima M.S.M. and D. Delen. Government Information Quarterly, 2020, vol. 37, p.101407. https://doi.org/10.1016/j.giq.2019.101407.

9. de Blasio G., D’Ignazio A., and M. Letta. Technological Forecasting and Social Change, 2022, vol. 184, p. 122016. https://doi.org/10.1016/j.techfore.2022.122016.

10. Rashid A.R., Ali Z.L., and G. H. A. Alshmeel, Proc. 4th Int. Congress on Human-Computer Interaction, Optimization and Robotic Applications (HORA), 2022. https://doi.org/10.1109/HORA55278.2022.9799970.

11. Pan M. and D. Li. International Review of Financial Analysis, 2024, vol. 84, p. 102367. https://doi.org/10.1016/j.irfa.2023.102367.

12. Van Noordt C. Government Information Quarterly, 2022, vol. 39, p. 101680. https://doi.org/10.1016/j.giq.2022.101680.

13. Yigitcanlar T., Li R.Y.M., and P.B. Bulu. Government Information Quarterly, 2023, vol. 40, p. 101733. https://doi.org/10.1016/j.giq.2022.101733.

14. Wang Z., Guan X., Sun L., and D. Zhang. Heliyon, 2023, vol. 9, p. e13765. https://doi.org/10.1016/j.heliyon.2023.e13765.

15. Valle-Cruz D., Fernández-Cortez V., and J.R. Gil-Garcia, Government Information Quarterly, 2021, vol. 38, p. 101600. https://doi.org/10.1016/j.giq.2021.101600.

16. Straub V.J., Morgan D., and J. Bertot. Government Information Quarterly, 2023, vol. 40, p. 101749. https://doi.org/10.1016/j.giq.2022.101749.

17. Adam I. and M. Fazekas. Information Economics and Policy, 2021, vol. 54, p. 100880. https://doi.org/10.1016/j.infoecopol.2020.100880.

18. Lima M.S.M. and D. Delen, Government Information Quarterly, 2020, vol. 37, p. 101407. https://doi.org/10.1016/j.giq.2019.101407.

19. Nai R., Meo R., and G.P. Pinna. Government Information Quarterly, 2022, vol. 39, p. 101679. https://doi.org/10.1016/j.giq.2022.101679.

20. Portal of legal statistics and special accounts [Online]. Available: https://qamqor.gov.kz/. [Accessed: Mar. 11, 2025].