随着社会经济的不断发展,公安机关在案件侦破过程中,经济犯罪案件所占比重较大且呈现出上升趋势,同时由于影响经济犯罪涉案人员涉案因素的增加,对经济犯罪案件分析的经验决策性增强,导致经济犯罪预警的难度较大,经济犯罪案件的预防和侦破效率较低。针对此问题,本文提出了基于数据挖掘的经济犯罪预警方法。首先,针对预警目标分析经济犯罪案件的历史数据,对经济犯罪数据进行数据初步处理,利用有效影响因素筛选方法中的最大信息系数方法和卡方检验方法计算出影响各类经济犯罪案件的属性权重值,对属性影响程度排序,保留影响经济犯罪程度高的属性值,剔除冗余属性;其次,分析比较多种数据挖掘算法,针对经济犯罪数据结构呈现分类型的特点,选取可挖掘出预警规则的决策树方法,分析决策树中传统C4.5算法的缺陷,针对C4.5算法在预警规则挖掘中的不足进行改进,在此基础上建立经济犯罪预警模型,并对模型的置信度进行验证;最后,根据经济犯罪预警模型建立经济犯罪预警系统,将挖掘出的特征规律作为在侦案件的预警规则,利用特征匹配方法预警在侦案件的嫌疑人及高危关注者,为公安机关的日常工作提供辅助决策。同时,以某公安机关的样本数据为基础验证模型的可靠性,利用此方法处理经济犯罪案件的效率得到提高,验证了基于经济犯罪预警模型开发的系统具有可观的实际应用价值。